ENDÜSTRİ ÜRÜNLERİ TASARIMI | |||||
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: | 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) | Endüstri Ürünleri Tasarımı meslek alanının kuramsal ve uygulamalı bilgi birikimine sahip olmak | |
2) | Mesleki bilgiyi ürün, hizmet ve deneyim geliştirme alanlarında uygulayabilmek | |
3) | Tasarım kavramlarını, mesleki kültür ve dili anlayabilmek, kullanabilmek, yorum yapabilmek ve değerlendirmek | |
4) | Endüstri Ürünleri tasarımı alanında araştırma yöntemlerini bilmek, bu yöntemlerle bilgi toplamak, toplanan bilgiyi yorumlamak ve uygulayabilmek | |
5) | Endüstri ürünleri tasarımı problemlerini tanımlamak, problem koşul ve gereklerini değerlendirebilmek, çözüm önerileri üretebilmek | |
6) | Endüstri Ürünleri Tasarımında önerilen çözümlerin toplumsal, kültürel, çevresel, ekonomik ve insani değerlerin göz önünde bulundurarak geliştirilmesi; kişisel farklılık ve yetenek düzeylerine duyarlı olması | |
7) | Tasarım kavramlarına ve çözümlerine ait bilgiyi, yazılı, sözlü ve görsel anlatım yöntemleriyle aktarma yeteneğine sahip olmak | |
8) | Tasarım çözümlerine ait malzeme, biçimlenme,detaylandırma, servis ve üretim yöntemleri kavramları arasındaki ilişkiyi ve yöntemleri tanımlayabilmek ve uygulayabilmek | |
9) | Endüstri ürünleri tasarımı çözüm ve uygulamalarını anlatabilecek düzeyde bilgisayar destekli bilişim ve iletişim teknolojilerini kullanmak | |
10) | Endüstri ürünleri tasarımının disiplinler arası yapısına kaynak oluşturan, işletme, mühendislik, psikoloji, ergonomi, görsel iletişim alanlarına ait tasarım çözümlerini destekleyecek yöntem ve bilgiye sahip olmak; gerektiğinde bu alanlara ait bilgiyi araştırma, edinme ve kullanma yeteneğine sahip olmak | |
11) | Bir yabancı dili kullanarak endüstri ürünleri tasarımı alanına ait dile hakim olabilmek ve farklı kültürlerden meslektaşlarıyla iletişim kurabilmek | |
12) | Teknolojik ve bilimsel gelişmelere bağlı olarak mesleğin gereksinim duyduğu yeni tasarım konularını ve eğilimlerini takip edebilmek ve değerlendirebilmek |