BÜYÜK VERİ ANALİTİĞİ VE YÖNETİMİ (İNGİLİZCE, TEZSİZ)
Yüksek Lisans TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF-LLL: 7. Düzey

Ders Tanıtım Bilgileri

Ders Kodu Ders Adı Yarıyıl Teorik Pratik Kredi AKTS
CMP5103 Yapay Zeka Bahar 3 0 3 8
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir

Temel Bilgiler

Öğretim Dili: En
Dersin Türü: Departmental Elective
Dersin Seviyesi: LİSANSÜSTÜ
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi TEVFİK AYTEKİN
Dersi Veren(ler): Prof. Dr. NAFİZ ARICA
Dersin Amacı: Bu dersin amacı öğrencilerin sezgisel arama teknikleri, bilgi temsili, planlama, akıl yürütme ve öğrenme gibi yapay zeka tekniklerini değişik problemleri çözmek için kullanabilmesini sağlamaktır.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;
I. Uygun arama tekniklerini kullanarak problem çözebilmek.
II. Oyun oynamada alpha-beta budama ve minimax arama tekniklerini gerçekleştirebilmek.
III. Modelleme için değişik mantıksal biçimleri kullanabilmekç
IV. Verilen bir problemi çözmek için gözetimli öğrenme tekniklerini kullanabilmek.
V. Verilen bir problemi çözmek için gözetimsiz öğrenme tekniklerini kullanabilmek.
VI. Doğal dil işlemedeki temel teknikleri kullanabilmek.

Dersin İçeriği

giriş; bilgiye dayanmayan arama yöntemleri; sezgisel arama yöntemleri; rakipli ortamlarda arama; önermeler mantığı; yüklemler mantığı; gözetimli öğrenme teknikleri; gözetimsiz öğrenme teknikleri; doğal dil işleme.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Giriş
2) Bilgiye Dayanmayan Arama Teknikleri
3) Bilgiye Dayanmayan Arama Teknikleri
4) Sezgisel Arama Teknikleri
5) Sezgisel Arama Teknikleri
6) Rakipli Ortamlarda Arama
7) Önermeler Mantığı
8) Yüklemler Mantığı
9) Gözetimli Öğrenme Teknikleri
10) Gözetimli Öğrenme Teknikleri
11) Gözetimsiz Öğrenme Teknikleri
12) Gözetimsiz Öğrenme Teknikleri
13) Doğal Dil İşleme
14) Doğal Dil İşleme
15) Final Sınavı

Kaynaklar

Ders Notları: 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:

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Devam % 0
Laboratuar % 0
Uygulama % 0
Arazi Çalışması % 0
Derse Özgü Staj % 0
Küçük Sınavlar % 0
Ödev % 0
Sunum 1 % 10
Projeler 1 % 50
Seminer % 0
Ara Sınavlar % 0
Ara Juri % 0
Final 1 % 40
Rapor Teslimi % 0
Juri % 0
Bütünleme % 0
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 10
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 90
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı Süre (Saat) İş Yükü
Ders Saati 14 3 42
Laboratuvar 0 0 0
Uygulama 0 0 0
Derse Özgü Staj 0 0 0
Arazi Çalışması 0 0 0
Sınıf Dışı Ders Çalışması 14 3 42
Sunum / Seminer 0 0 0
Proje 1 42 42
Ödevler 7 8 56
Küçük Sınavlar 0 0 0
Ara Juri 0
Ara Sınavlar 0 0 0
Rapor Teslimi 0
Juri 0
Final 1 12 12
Toplam İş Yükü 194

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