| HEMŞİRELİK (TÜRKÇE) | |||||
| 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 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) | Sağlık bakımı alanında kuramsal ve kanıta dayalı uygulamalar doğrultusunda, bütüncül bir anlayışla hemşirelik bakımını planlamak ve değerlendirmek. | |
| 2) | Hemşirelik uygulamalarında etik ilke ve değerlere uygun davranmak. | |
| 3) | Yaşam boyu öğrenme, sorun çözme ve eleştirel düşünme becerilerini kullanmak. | |
| 4) | Sağlığın korunması, geliştirilmesi ve bakımda Hemşirelik model/kuramlarını kulanmak. | |
| 5) | Toplumsal sorumluluk bilinci ile, interdisipliner anlayış içinde araştırma, proje ve etkinliklerde rol almak. | |
| 6) | Birey, aile ve toplumun sağlık eğitim gereksinimlerine yönelik eğitim ve danışmanlık becerisine sahip olmak. | |
| 7) | Toplumun sağlık sorunlarına duyarlı olmak ve çözüm önerileri üretebilmek. | |
| 8) | Hemşirelik uygulamalarında kişilerarası ve kültürlerarası iletişim becerilerini etkili kullanabilmek. | |
| 9) | Hemşirelik uygulama ve araştırmalarında bilişim ve bakım teknolojilerini kullanabilmek. | |
| 10) | Sağlık bilimlerine yönelik veritabanları ve bilgi kaynaklarında literatür taraması yapmak, bilgiye erişme ve kullanma becerisi kazanmak. | |
| 11) | En az bir yabancı dili kullanarak alanındaki bilgileri izleme ve meslektaşları ile uluslararası düzeyde iletişim ve işbirliği gerçekleştirebilmek. | |
| 12) | Sağlık hizmetleri ve hemşirelik mesleğinin gelişimine katkı sağlayacak etkinliklerde sorumluluk almak ve öncülük etmek. |