AVRUPA BİRLİĞİ İLİŞKİLERİ | |||||
Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
CMP4501 | Yapay Zeka ve Uzman Sistemlere Giriş | Bahar | 3 | 0 | 3 | 6 |
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Öğretim Dili: | English |
Dersin Türü: | Non-Departmental Elective |
Dersin Seviyesi: | LİSANS |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi TEVFİK AYTEKİN |
Opsiyonel Program Bileşenleri: | Yok |
Dersin Amacı: | Bu ders yapay zekanın temel konularına giriş niteliğindedir. Problem çözümü için temel arama teknikleri, bilgi temsili ve mantıksal sistemlerin temelleri, temel öğrenme algoritmaları ve uzman sistemlerin temelleri tanıtılacaktır. |
Bu dersi başarıyla tamamlayabilen öğrenciler; I- Bir problemin durum uzayı tanımını yapabilmek. II - Bir problem için kaba-kuvvet veya sezgisel algoritmaları seçebilmek ve kullanabilmek. III- Alpha-beta budaması ile minimax arama algoritmasını gerçekleştirebilmek. IV. En temel bilgi temsil sistemlerini karşılaştırıp değerlendirebilmek. V. Kuram isplatlamak için resolution tekniğinin çalışmasını açıklayabilmek. VI. Gözetimli ve gözetimsiz öğrenme teknikleri arasında farkı açıklayabilmek. VIII. Overfitting, underfitting, bias, ve variance gibi kavramları açıklayabilmek. IX. Uzman sistemlerin temellerini tanımlayabilmek ve uzman sistemleri değerlendirebilmek. |
Yapay zekaya giriş, durum uzayları ve arama, sezgisel fonksiyonlar ve arama, alpha-beta budama, önermeler ve birinci dereceden yüklemler mantığı, önermeli ve birinci dereceden çıkarsama, birleştirme ve çözülme, doğrusal regresyon, lojistik regresyon, sinirsel ağlar ve geri yayılım algoritması, Bayes kuralı ve naif Bayes algoritması, kümeleme ve k-means algoritması, uzman sistemlerin temelleri, uzman sistem yazılımları. |
Hafta | Konu | Ön Hazırlık |
1) | Yapay zekaya giriş | |
2) | Durum uzayları ve arama | |
3) | Sezgisel fonksiyonlar ve arama | |
4) | Oyunlarda karar verme, alpha-beta budama. | |
5) | Önermeler ve birinci dereceden yüklemler mantığı | |
6) | Önermeli ve birinci dereceden çıkarsama | |
7) | Birleştirme ve çözülme | |
8) | Doğrusal regresyon | |
9) | Ara sınav | |
10) | Lojistik regresyon | |
11) | Sinirsel ağlar ve geri yayılım algoritması. | |
12) | Bayes kuralı ve naif Bayes algoritması | |
13) | Kümeleme ve k-means algoritması | |
14) | Uzman sistemlerin temelleri | |
15) | Uzman sistem yazılımları. |
Ders Notları / Kitaplar: | Russell, S., Norvig, P., Artificial Intelligence: A Modern Approach, (3rd edition), 2009. Giarratano, J.C., Riley, G.D., Expert Systems: Principles and Programming, (4th edition), 2004. |
Diğer Kaynaklar: | Yok - None |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Küçük Sınavlar | 2 | % 10 |
Projeler | 1 | % 20 |
Ara Sınavlar | 1 | % 30 |
Final | 1 | % 40 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | İş Yükü |
Ders Saati | 14 | 42 |
Proje | 4 | 20 |
Ödevler | 10 | 20 |
Küçük Sınavlar | 2 | 8 |
Ara Sınavlar | 5 | 15 |
Final | 5 | 20 |
Toplam İş Yükü | 125 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | AB çalışmaları alanında bilimsel metodları kullanarak veri inceleme, yorumlama ve kanıya varma becerisinin kazanılması. | 2 |
2) | AB çalışmaları alanında görev yapan yetkilileri ve kurumları bilgilendirme, nicel ve nitel verilerle desteklenen çözüm önerileri üretme ve fikir geliştirme becerisinin kazanılması. | 2 |
3) | AB çalışmalarının yararlandığı diğer disiplinlerden (siyaset bilimi, uluslararası ilişkiler, hukuk, ekonomi, sosyoloji vb.) faydalanabilme ve bu disiplinler hakkında genel bilgi sahibi olma. | 3 |
4) | Avrupa Birliği ve AB – Türkiye İlişkileri hakkındaki güncel gelişmeleri değerlendirebilme. | 2 |
5) | Yazılı ve sözlü iletişimde ve özellikle AB çalışmaları alanında en iyi şekilde İngilizce kullanabilme. | 1 |
6) | AB Çalışmaları alanında veri toplama, yorumlama, dağıtma ve uygulama süreçlerinde etik, toplumsal ve bilimsel değerler uyarınca hareket etmek. | 1 |
7) | Avrupa Birliği’nin temellerini, tarihsel gelişimini, kurumlarının işleyişlerini, karar alma sistemini ve ortak politikalarını kavrayabilmek ve analiz edebilmek. | 2 |
8) | AB'nin içinden geçmekte olduğu yasal, mali ve kurumsal değişiklikleri değerlendirebilmek. | 2 |
9) | AB genişleme sürecinin ana aktör ve kurumlarını tanıyarak bu sürecin dinamiklerini kavrayabilmek ve Türkiye’nin üyelik sürecini daha önceki genişleme örnekleri ile karşılaştırabilmek. | 2 |
10) | AB’nin Türkiye’nin siyasi, toplumsal ve ekonomik sistemlerine etkisini analiz edebilmek. | 2 |
11) | AB 'proje kültürü' ile tanışmak ve AB formatında proje hazırlamaya yönelik becerileri kazanmak. | 2 |
12) | Uluslararası İlişkiler kuramlarını ve kavramlarını AB'nin tarihi gelişimi ile ilişkilendirebilme. | 3 |