CMP4501 Introduction to Artificial Intelligence and Expert SystemsBahçeşehir ÜniversitesiAkademik Programlar BESLENME VE DİYETETİK (İNGİLİZCE)Öğrenciler için Genel BilgiDiploma EkiErasmus BeyanıBologna KomisyonuUlusal Yeterlilikler
BESLENME VE DİYETETİK (İNGİLİZCE)
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 Bahar 3 0 3 6
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir.

Temel Bilgiler

Öğretim Dili: İngilizce
Dersin Türü:
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.

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.
Dersin Öğretim yöntemleri anlatım, bireysel çalışma, problem çözme ve uygulama şeklindedir









Haftalık Ayrıntılı Ders İçeriği

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

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 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

AKTS / İş Yükü Tablosu

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

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) Beslenme ve Diyetetik alanındaki teorik ve metodolojik yaklaşımları, kanıt-temelli ilkeleri ve bilimsel literatürü uygulamalarında sistematik olarak kullanmak.
2) Birey, aile ve toplumun sağlığının korunması, iyileştirilmesi ve geliştirilmesi için teorik ve uygulama bilgisine sahip olmak.
3) Toplumda beslenme ile ilgili problemler için daha fazla risk altında bulunan özel grupların (gebeler, emziren anneler, bebekler, adölesanlar, yaşlılar vb) beslenme durumunu değerlendirmek.
4) Beslenme ve diyetetik alandaki uygulama ve araştırmalarda bilişim ve sağlık bakım teknolojilerini kullanmak.
5) Farklı ortamlarda, danışanları ve iş arkadaşlarıyla etkili profesyonel ilişkilerin başlatılması için etkin bir şekilde iletişim kurmak.
6) En az bir yabancı dili kullanarak alanındaki bilgileri izleme ve meslektaşları ile uluslararası düzeyde iletişim ve işbirliği gerçekleştirebilmek.
7) Yaşam boyu öğrenme, sorun çözme ve eleştirel düşünme becerilerini kullanmak.
8) Mesleki uygulamalarında etik ilke ve değerlere uygun davranmayı, temel değer ve sosyal hakların evrenselliğini gözetmek.
9) Toplumsal sorumluluk bilinci ile interdisipliner anlayış içinde araştırma, proje ve etkinliklerde rol almak.
10) Sağlık bilimlerine yönelik veritabanları ve bilgi kaynaklarında literatür taraması yapmak, bilgiye erişme ve kullanma becerisi kazanmak.
11) Diğer diyetisyenlerin yetiştirilmesi, sağlık profesyonellerinin ve bireylerin beslenme konusunda eğitilmeleri için sorumluluk almak ve tüm süreçlere aktif bir şekilde katılmak.
12) Diyetetik uygulamalarını, içinde bulunduğu toplumun kültürel farklılıklarını ve bu toplum içindeki farklı grupların farklı sağlık ihtiyaçlarını da dikkate alarak gerçekleştirmek.