| LOJİSTİK YÖNETİMİ | |||||
| 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 | Güz | 3 | 0 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Non-Departmental Elective |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi BARIŞ ÖZCAN |
| 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. Dersin Öğretim yöntemleri anlatım, bireysel çalışma, problem çözme ve uygulama şeklindedir |
| Hafta | Konu | Ön Hazırlık |
| 1) | Yapay zekaya giriş | |
| 2) | Durum uzayları ve arama | |
| 3) | Koşul Tatmin Problemleri | |
| 4) | Başka etmenler ile arama. | |
| 5) | Markov karar süreçleri I | |
| 6) | Markov karar süreçleri II | |
| 7) | Ara sınav | |
| 8) | Pekiştirmeli Öğrenme | |
| 9) | Olasılık, Bayes Kuralı ve Bayes ağları | |
| 11) | Bayes kuralı ve naif Bayes algoritması | |
| 12) | Sinirsel ağlar ve geri yayılım algoritması I | |
| 13) | Sinirsel ağlar ve geri yayılım algoritması II | |
| 14) | Büyük Dil Modelleri I | |
| 15) | Büyük Dil Modelleri II |
| 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 | 5 | % 20 |
| Projeler | 1 | % 25 |
| Ara Sınavlar | 1 | % 20 |
| Final | 1 | % 35 |
| 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 | 7 | 35 |
| Ödevler | 10 | 20 |
| Küçük Sınavlar | 6 | 16 |
| Ara Sınavlar | 5 | 15 |
| Final | 5 | 20 |
| Toplam İş Yükü | 148 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Sorun tespit etmek ve doğru soruları sorabilmek | |
| 2) | Problem çözme becerisine sahip olmak ve bunun için gerekli analitik yaklaşımları geliştirebilmek | |
| 3) | İş süreçlerini ayıt edebilmek ve süreç tasarlama, planlama ve uygulama bilgisine sahip olmak. | |
| 4) | Lojistik yönetimi alanında gerekli bilgi ve iletişim teknolojileri araçlarını kullanmak. | |
| 5) | Lojistik kavramının bileşenlerini ayırt edebilme, ve uyum halinde bir bütün oluşturmasının önemini anlamak. | |
| 6) | İş hayatında üretkenliği artırmaya yönelik gereksinimlerin farkında olmnak | |
| 7) | Karmaşık durumlar karşısında yenilikçi ve yaratıcı düşünce yapısına sahip olmak | 4 |
| 8) | Hem yerel hem uluslararası boyutta düşünce ve davranış geliştirebilmek | |
| 9) | Küreselleşme ve Lojistik Yönetimi arasındaki çift yönlü etkileşimi anlamak ve verimli bir yönetim için kullanmak. | |
| 10) | En az bir yabancı dili akademik ve günlük iletişimde kullanabilmek | 2 |
| 11) | İş etiğinin önemini kavramak, iş etiğini akademik dünyanın ve iş hayatının temel ögesi olarak uygulamak |