BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, DOKTORA) | |||||
Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
CYS5172 | İleri Adli Bilişim | Güz | 3 | 0 | 3 | 12 |
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
Öğretim Dili: | En |
Dersin Türü: | Departmental Elective |
Dersin Seviyesi: | LİSANSÜSTÜ |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi AHMET NACİ ÜNAL |
Dersin Amacı: | İleri seviye adli bilişim tekniklerini öğretmek. |
Bu dersi başarıyla tamamlayabilen öğrenciler; Adli bilişim alanlarında yapay zekayı etkin kullanabilme, Bu çercevede, yapay zeka alanında araştırma yapılmasını sağlamak. |
Doğal ve Yapay Zeka. Sezgisel Problem Çözümleme. Bilgilerin Modellenmesi Ve Yüklem Mantığı. Mantıksal Programlama. Uzman Sistemler ve Adli Bilişimde Uygulanabilirliği. Yapay Sinir Ağları ve Adli Bilişimde Uygulanabilirliği. Genetik Algoritmalar ve Adli Bilişimde Uygulanabilirliği. Bulanık Mantık ve Adli Bilişimde Uygulanabilirliği. Doğal Dil İşleme ve Adli Bilişimde Uygulanabilirliği. Ses İşleme ve Adli Bilişimde Uygulanabilirliği. Görüntü İşleme ve Adli Bilişimde Uygulanabilirliği. Biyometride Yapay Zeka Uygulamaları I (Yüz Tanıma). Biyometride Yapay Zeka Uygulamaları II (Parmak İzi). Biyometride Yapay Zeka Uygulamaları III (Karakter Tanıma, El Yazısı). |
Hafta | Konu | Ön Hazırlık | |
1) | Doğal ve Yapay Zeka | Ders notları | |
2) | Sezgisel Problem Çözümleme | Ders notları | |
3) | Bilgilerin Modellenmesi Ve Yüklem Mantığı | Ders notları | |
4) | Mantıksal programlama | Ders notları | |
5) | Uzman Sistemler ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
6) | Yapay Sinir Ağları ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
7) | Genetik Algoritmalar ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
8) | Bulanık Mantık ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
9) | Doğal Dil İşleme ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
10) | Ses İşleme ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
11) | Görüntü İşleme ve Adli Bilişimde Uygulanabilirliği | Ders notları | |
12) | Biyometride Yapay Zeka Uygulamaları I (Yüz Tanıma) | Ders notları | |
13) | Biyometride Yapay Zeka Uygulamaları II (Parmak İzi) | Ders konuları | |
14) | Biyometride Yapay Zeka Uygulamaları III (Karakter Tanıma, El Yazısı) | Ders notları |
Ders Notları: | Network Forensics, Ric Messier. 2017. Mobile Forensic Investigations: A Guide to Evidence Collection, Analysis, and Presentation. Lee Reiber, 2016. |
Diğer Kaynaklar: | Ders notları |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | 10 | % 0 |
Laboratuar | 0 | % 0 |
Uygulama | 0 | % 0 |
Arazi Çalışması | 0 | % 0 |
Derse Özgü Staj | 0 | % 0 |
Küçük Sınavlar | 0 | % 0 |
Ödev | 4 | % 10 |
Sunum | 1 | % 10 |
Projeler | 0 | % 0 |
Seminer | 0 | % 0 |
Ara Sınavlar | 1 | % 20 |
Ara Juri | 0 | % 0 |
Final | 1 | % 60 |
Rapor Teslimi | 0 | % 0 |
Juri | 0 | % 0 |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
Toplam | % 100 |
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 | 12 | 168 |
Sunum / Seminer | 2 | 3 | 6 |
Proje | 0 | 0 | 0 |
Ödevler | 4 | 8 | 32 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 1 | 20 | 20 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 1 | 20 | 20 |
Toplam İş Yükü | 288 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |