MEKATRONİK 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
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.

Temel Bilgiler

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.

Öğrenme Kazanımları

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.

Dersin İçeriği

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.

Haftalık Ayrıntılı Ders İçeriği

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.

Kaynaklar

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

Değerlendirme Sistemi

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

AKTS / İş Yükü Tablosu

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

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