TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN-EDEBİYAT FAKÜLTESİ |
| YAPAY ZEKA VE MAKİNE ÖĞRENMESİ PR. (İNGİLİZCE) | |
| Kod | YZZ210 |
| Ad | Artificial Intelligence Systems |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 4. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Etiket | AE Alan Eğitimi Dersleri Z Zorunlu |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. YUSUF ALPER KAPLAN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bilgi gösterimi. Arama ve sezgisel programlama. Mantık ve mantık programlama. Yapay zekanın uygulama alanları: Problem çözme, oyunlar ve bulmacalar, uzman sistemler, planlama, öğrenme, görüntü tanıma, doğal dil anlama.
Dersin İçeriği
Bilgi gösterimi. Arama ve sezgisel programlama. Mantık ve mantık programlama. Yapay zekanın uygulama alanları: Problem çözme, oyunlar ve bulmacalar, uzman sistemler, planlama, öğrenme, görüntü tanıma, doğal dil anlama. Bir yapay zeka diliyle çalışmalar.
Dersin Ön Koşulu
Yok
Kaynaklar
1 Nabiyev V. V., 2005 Yapay Zeka: Problemler, Yöntemler, Algoritmalar, Ankara (2. Baskı) 2 Russell, Stuart J. ; Norvig, Peter, 2003 , Artificial Intelligence: A Modern Approach (2nd ed. )
Notlar
1 Nilsson, Nils,1998 , Artificial Intelligence: A New Synthesis, Morgan Kaufmann Publishers, ISBN 978-1-55860-467-4
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Yapay zekanın temel kavramlarını ve algoritmalarını öğrenir. |
| ÖÇ02 | Belirsizliklere uygun olasılıksal çözümleri öğrenir. |
| ÖÇ03 | Denetimli ve denetimsiz öğrenme arasındaki farkı öğrenerek probleme uygun algoritma seçebilir. |
| ÖÇ04 | Yapay sinir ağlarının çalışma prensibini öğrenir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Bilgisayar Bilimleri temel kavramları, algoritmalar ve veri yapıları hakkında geniş bir bilgi yelpazesi kazandırır. | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Yazılım geliştirme, programlama dilleri ve veritabanı yönetimi gibi temel bilgisayar konularını öğrenir. | |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Veri bilimi, yapay zeka ve makine öğrenimi gibi ileri düzey bilgisayar alanlarını anlar. | 5 |
| PÖÇ04 | - | Bilgisayar ağları, siber güvenlik ve veritabanı tasarımı gibi konularda bilgi edinir. | |
| PÖÇ05 | Beceriler - Bilişsel, Uygulamalı | Algoritmaları tasarlama, uygulama ve analiz etme becerilerini geliştirir. | 5 |
| PÖÇ06 | Beceriler - Bilişsel, Uygulamalı | Farklı programlama dillerini etkili bir şekilde kullanabilme yeteneği kazanır | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Veri analizi, veritabanı yönetimi ve büyük veri işleme becerilerini öğrenir. | |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yazılım geliştirme projelerinde çalışarak pratik deneyim kazanır. | |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Ekip içinde işbirliği yapma ve iletişim becerilerini güçlendirir. | |
| PÖÇ10 | Yetkinlikler - Alana Özgü Yetkinlik | Teknolojik yeniliklere açık bir zihniyet kazandırır. | |
| PÖÇ11 | Yetkinlikler - Öğrenme Yetkinliği | Sürekli öğrenme ve kendini geliştirme yetkinliğini teşvik eder. | |
| PÖÇ12 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Karmaşık sorunları çözme yeteneği geliştirir. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Arama Programları, Minimax | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 2 | Önermeler Mantığı, Çıkarım | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 3 | Gerekçelendirme, Model Kontrolü | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 4 | Çözümleme, Birinci Dereceden Mantık | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 5 | Olasılık, Bağımsızlık | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 6 | Bayes Kuralı, Markov Modelleri | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 7 | Yerel Arama, Simüle Edilmiş Tavlama | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 8 | Ara Sınavlar | Sınava hazırlık | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Doğrusal Programlama, Geri İzleme Araması | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 10 | Veri Toplama, Gözetimli Öğrenme | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 11 | En Yakın Komşu Sınıflandırması, Perceptron Öğrenmesi | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 12 | Destek Vektör Makineleri, Regresyon, Kayıp Fonksiyonları | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 13 | Aşırı Uyum, Markov Karar Süreçleri, K-Means Kümeleme | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 14 | Yapay Sinir Ağları | Ders notlarını okuma | Öğretim Yöntemleri: Gösterip Yaptırma, Proje Temelli Öğrenme |
| 15 | Dil, Sözdizimi, Dönüştürücüler | Ders notlarını okuma | Öğretim Yöntemleri: Anlatım |
| 16 | Yarıyıl Sonu Sınavları | Sınava hazırlık | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Sınava hazırlık | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 4 | 56 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 4 | 56 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 12 | 12 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 18 | 18 |
| Toplam İş Yükü (Saat) | 142 | ||
| Toplam İş Yükü / 25 (s) | 5,68 | ||
| AKTS | 6 AKTS | ||