MOLEKÜLER BİYOLOJİ VE GENETİK | |||||
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) | Bilgisayar sistemlerinde olan zengin bilgileri kullanabilir ve basit biyolojik sorulara cevap bulma ve hastalıkların teşhis ve tadavileri gibi problemlere çözüm bulur. | 3 |
2) | Biyoloji konuları ile ilgili problemleri saptama, sentez yaparak problemlerin çözümüne yönelik hipotez kurma ve çeşitli gözlemsel ve deneysel yöntemler kullanarak hipotezi çözme becerisi kazanır. | 4 |
3) | Eleştirel, yaratıcı ve analitik düşünme yeteneği geliştirir. | 5 |
4) | Etkili iletişim kurma ve hem İngilizce hem Türkçe sözlü,yazılı ve okuma becerisi kazanır. Mesleki alanda ingilizceye hakim olur. | 3 |
5) | Genetik laboratuvarında kullanılan değişik teknikleri öğrenir ve bilgi ve beceri kazanır. | 4 |
6) | Biyolojik bilgi ve verileri analiz etme ve derleme yetisi gösterme, bunları ve sonuçlarını, arkasında yatan delilleri, bilgi ve görüşleri yazılı ve sözlü olarak net bir şekilde sunabilme. | 4 |
7) | Nicel ve nitel veri toplama yöntemleri kullanmada bilgi ve beceri kazanır. | 3 |
8) | Araştırmaları etik, mesleki sorumluk bilincine sahip, insani değerlere ve insan haklarına saygılı bir şekilde yürütür. İnsan deneylerinde gizlilik ilkesine önem verir. | 5 |
9) | Moleküler biyoloji ve genetik alanında kullanılan teorileri ve uygulamaları öğrenmek ve her ikisi arasında bağlantı kurma. | 4 |
10) | Kendini geliştirme konusunda literatürü araştırıp kullanır ve bilim-teknoloji alanındaki en yeni gelişmeleri takip eder. | 5 |
11) | Ulusal ve uluslararası sorunlarından haberdar olup, bu sorunlara bilimsel yaklaşımla çözüm araştırır. | 4 |