| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Yapay Zeka | IST5120 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ İstatistik ABD İstatistik Yüksek Lisans Programı Seçmeli @ İstatistik ABD İstatistik Yüksek Lisans Programı (Tezsiz, 2. Öğretim) Seçmeli @ İstatistik ABD İstatistik Doktora Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | İstatistik Bölümü |
|---|---|
| Dersin Koordinatörü | ibrahim Demir |
| Dersi Veren(ler) | |
| Asistan(lar)ı |
| Dersin Amacı | Yapay zeka ile ilgili temel tanım ve kavramların verilmesi, bulanık uzman sistemlerin ve uygulamaların anlaşılmasıdır |
|---|---|
| Dersin İçeriği | Bilimsel zeka yöntemleri, bilim, bilgi ve bilişim, esnek yöntemler ve türleri, yapay sinir ağları, evrimsel hesaplama, olasılıkçı akıl yürütme, kaotik modelleme, temel yapay zekaya giriş ve tarihçe, bilginin gösterimi ve temsili, problem çözmede bilgi arama algoritmaları, önermeler mantığında çözümleme, mantıksal programlama (PROLOG), sezgisel programlama ve arama, mantık ve mantıksal programlama, zeka kavramının çeşitleri, yapay zeka alanının özellikleri, yaratıcılık ve yapay zeka, yapay zekanın uygulama alanları: problem çözme yöntemleri, oyun oynama ve oyun ağaçları, bulmacalar, uzman sistemler yapısı ve temel özellikleri, uzman sistemlerin kullanma alanları, bulanık uzman sistemleri ve temel özellikleri, tıpta bulanık uzman sistemleri , planlama, öğrenme, önsezi ve doğal dili anlama, temel LISP bilgilerini tanımlar |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- 1 Bilimsel zeka yöntemlerini,bilim,bilgive bilişim,esnek yöntemleri ve türlerini tanır.
- Yapay sinir ağlarını ve temel özellikleini kavrar
- Evrimsel hesaplamayı ve olasılıkçı akıl yürütme yöntemlerini tanır
- Bilginin gösterimini ve temsilini, problem çözmede bilgi arama algoritmalarınıve yapay zeka ile uygulamaları yapar
- Uzman sistemlerin yapısını ve temel özelliklerini kavrar
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Doğal ve Yapay Zeka | Konu 1 |
| 2 | Sezgisel Problem çözümleme | Konu 2 |
| 3 | Oyunlar | Konu 3 |
| 4 | Uygulama | Konu 3 |
| 5 | Bilgilerin Modellenmesi | Konu 4 |
| 6 | Bilgilerin Modellenmesi | Konu 4 |
| 7 | Mantıksal Programlama | Konu 4 |
| 8 | Ara Sınav 1 / Uygulama veya Konu Tekrarı | |
| 9 | Uzman Sistemler | Konu 5 |
| 10 | Bilgisayarlı örüntü tanımlama | Konu 5 |
| 11 | Öğrenme | Konu 5 |
| 12 | Yapay Sinir ağları | Konu 6 |
| 13 | Yapay Sinir ağları | Konu 6 |
| 14 | Genetik Algoritma | Konu 7 |
| 15 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 1 | 30 |
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 4 | |
| Derse Özgü Staj | |||
| Ödev | 4 | 22 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
