ENDÜSTRİ 4.0 (İNGİLİZCE, TEZSİZ) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
GEN3002 | Yapay Zeka | Güz | 3 | 0 | 3 | 6 |
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: | Doç. Dr. FETHULLAH KARABİBER |
Dersi Veren(ler): |
Prof. Dr. NAFİZ ARICA Prof. Dr. SÜREYYA AKYÜZ |
Dersin Amacı: | Bu ders: • ajanlar, arayarak problem çözme, mantık ve mantıklı düşünme, planlama, olasılık ve fayda teorileri, öğrenme, vs. gibi çeşitli Yapay Zeka konularında derin bir anlayış kazandırmayı, • Yapay Zeka'nın Biyoinformatik'deki uygulamaları konularında giriş seviyesinde bir anlayış kazandırmayı hedefler. |
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Yapay Zeka'daki konularve tanımları konusunda bilgi sahibi olur. 2. Baştan sona akıllı bir ajan tasarlama becerisi (bilgi tabanı, çıkarım mekanizması, arama, belirsizliklerin ele alınışı)geliştirir. 3. Başlangıçtan bitişe kadar böyle bir ajan programlama becerisi geliştirir. 4. Arayarak problem çözme, mantık ve muhakemede konularında anlayış kazanır. 5.Yapay Zeka'nın biyoinformatik'deki uygulama alanlarını tanımlar. |
Bu ders yapay zeka hakkında giriş seviyesinde bir derstir. Bu ders, yapay zekanın teorisini ve hesaplama yöntemlerini kapsayacaktır. Temel kavramlar bilginin gösterimi ve muhakeme için hesaplama yöntemlerini içerir. Yapay Zekâ’nın Biyoinformatik’deki uygulamaları ele alınacaktır. |
Hafta | Konu | Ön Hazırlık | |
1) | Giriş | ||
2) | Akıllı ajanlar | ||
3) | Arama ile Problem Çözme | ||
4) | Bilgilendirilmiş Arama ve Keşif | ||
5) | Kısıtlamaları Yerine Getirme Problemleri | ||
6) | Karşıt (Zıt, düşman) Arama | ||
7) | Mantıksal Ajanlar | ||
8) | Birinci Dereceden Mantık | ||
9) | Birinci Dereceden Mantıkda Çıkarım | ||
10) | Belirsizlik | ||
11) | Olasılıksal Akıl Yürütme | ||
12) | Basit Kararlar Verme | ||
13) | Gözlemlerden Öğrenme | ||
14) | Yapay Zeka'nın Biyoinformatik'deki Uygulamaları |
Ders Notları: | Course notes will be given weekly. |
Diğer Kaynaklar: | 1. Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 3rd edition, 2009. |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | % 0 | |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | 2 | % 10 |
Sunum | % 0 | |
Projeler | 1 | % 25 |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 25 |
Ara Juri | % 0 | |
Final | 1 | % 40 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 35 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 65 | |
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 | 7 | 98 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 0 | 0 | 0 |
Ödevler | 0 | 0 | 0 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | ||
Ara Sınavlar | 1 | 2 | 2 |
Rapor Teslimi | 0 | ||
Juri | 0 | ||
Final | 1 | 2 | 2 |
Toplam İş Yükü | 144 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |