AIN1003 Freshman SeminarBahçeşehir ÜniversitesiAkademik Programlar YAPAY ZEKA MÜHENDİSLİĞİÖğrenciler için Genel BilgiDiploma EkiErasmus BeyanıBologna KomisyonuUlusal Yeterlilikler
YAPAY ZEKA MÜHENDİSLİĞİ
Lisans TYYÇ: 6. Düzey QF-EHEA: 1. Düzey EQF-LLL: 6. Düzey

Ders Tanıtım Bilgileri

Ders Kodu Ders Adı Yarıyıl Teorik Pratik Kredi AKTS
AIN1003 Birinci Sınıf Semineri Güz 1 0 1 1

Temel Bilgiler

Öğretim Dili: İngilizce
Dersin Türü: Must Course
Dersin Seviyesi: LİSANS
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi FATİH KAHRAMAN
Opsiyonel Program Bileşenleri: -
Dersin Amacı: Bu dersin amacı, öğrencilere yapay zekanın temel kavramlarını tanıtmak ve akademik kadroyu tanımalarını sağlamaktır.

Bu derste "Yapay Zeka Mühendisliğine Giriş" konsepti verilmektedir. Ana amaç, öğrencilerin dört yıllık Yapay Zeka Mühendisliği programı boyunca alacakları tüm AI/ML derslerine genel bir bakış sunmak, yapay zeka literatürü ve güncel (state-of-the-art) yöntemler hakkında bilgi edinmelerini sağlamaktır.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Bu dersi başarıyla tamamlayabilen öğrenciler:

- Yapay zeka mühendisliği alanındaki temel kavramları ve prensipleri anlar.
- Yapay zekanın tanımını bilir ve yapay zeka mühendislerinin ilgi alanlarını öğrenir.
- AI/ML disiplinlerinde kullanılan temel algoritmalar, teknikler ve yaklaşımlar hakkında bilgi sahibi olur.
- Yapay zeka literatürüne aşina olur ve güncel (state-of-the-art) yöntemleri takip edebilme yetkinliği kazanır.
- Yapay zeka ve makine öğrenmesiyle ilgili temel problemleri çözmek için araştırma yapar, yöntemler geliştirir ve sonuçları yorumlayabilir.

Dersin İçeriği

Freshman Seminar dersi, birinci yıl öğrencilerinin Yapay Zeka Mühendisliği programına uyum sağlamalarına yardımcı olan giriş seviyesi bir derstir. Dersin Öğretim yöntemleri; anlatım, grup çalışması, okuma, proje hazırlama, teknoloji destekli öğrenme ve proje hazırlama şeklindedir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Definition of Natural Intelligence and Artificial Intelligence
2) Mathematical Definition of and Brief History of Artificial Intelligence
3) Intelligent Agents and Problem Solving By Searching
4) Intelligent Agents and Problem Solving By Searching
5) Game Playing and Adversarial Search
6) Computer Vision and Artificial Neural Networks
7) Computer Vision and Artificial Neural Networks
8) Introduction to Machine Learning
9) Introduction to Deep Learning; MIDTERM EXAM
10) Applications of Deep Learning
11) AI Projects in Turkey
12) AI Projects in the world
13) Intelligence vs. Extelligence
14) Cyber Society and Ethics

Kaynaklar

Ders Notları / Kitaplar: Ders notları öğrencilerin tekrarı için paylaşılacaktır. / Lecture notes will be available for student review.
Diğer Kaynaklar: Stuart Russell, Peter Norvig, "Artificial Intelligence: A Modern Approach" (3rd Edition), Prentice Hall, ISBN-10: 0-13-604259-7, 2010.

Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 3th Edition.

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Ara Sınavlar 1 % 30
Final 1 % 70
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 30
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 70
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı Süre (Saat) İş Yükü
Ders Saati 14 1 14
Ara Sınavlar 1 6 6
Final 1 14 14
Toplam İş Yükü 34

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) Matematik, Fen Bilimleri ve Yapay Zeka Mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilir.
2) Karmaşık Yapay Zeka sistemleri, platformları, süreçleri, cihazları veya ürünleri gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar ve bu amaçla modern tasarım yöntemlerini uygular.
3) Karmaşık Yapay Zeka Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçer ve uygular. 4
4) Yapay Zeka Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır. 4
5) Karmaşık Yapay Zeka Mühendisliği problemlerinin veya araştırma konularının incelenmesi için sayısal veya fiziksel deney tasarlar ve yapar, veri toplar, sonuçları analiz eder ve yorumlar. 4
6) İngilizce ve Türkçe (eğer Türk vatandaşı ise) sözlü ve yazılı etkin iletişim kurma becerisi; alanındaki yenilikleri takip edebilecek düzeyde İngilizce dil bilgisi (Avrupa Dil Portföyü B1 genel düzeyi) kazanır; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi kazanır. 5
7) Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerilerine sahip olur.
8) Etik ilkelerine uygun davranır, mesleki ve etik sorumluluk bilinci sahibidir; Yapay Zeka Mühendisliği uygulamalarında kullanılan standartlar hakkında bilgilidir.
9) Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi edinir. 4
10) Yapay Zeka Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; Yapay Zeka Mühendisliği çözümlerinin hukuksal sonuçlarının farkındadır.
11) Yapay Zeka Mühendisliğini ilgilendiren problemlerde bireysel ve ilgili çok disiplinli takımlarda etkin biçimde çalışır. 4