| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Yapay Zeka Teknikleri | BLM5528 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim) Seçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim, İngilizce) |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | M. Fatih Amasyalı |
| Dersi Veren(ler) | M. Fatih Amasyalı |
| Asistan(lar)ı |
| Dersin Amacı | Yapay Zeka algoritmalarıyla problem çözme yeteneğini kazanmak. |
|---|---|
| Dersin İçeriği | Yapay zeka algoritmalarını, yöntemlerini , dillerini öğrenmek. Bir problemin Yapay Zeka yeknikleriyle çözülüp çözülemeyeceğini ayırtedebilmek. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar | |
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler verilen bir problemin yapay zeka yöntemleriyle çözülmeye uygun olup olmadığını belirleyebilecektir.
- Öğrenciler verilen bir problemin çözümüne uygun yapay zeka yöntemini seçebilecektir.
- Öğrenciler verilen bir problemin çözümüne uygun yapay zeka yöntemini gerçekleyebilecektir.
- Öğrenciler arama algoritması türlerini, avantaj ve dezavantajlarını bilecektir.
- Öğrenciler bilgi temsili türlerini, avantaj ve dezavantajlarını bilecektir.
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 | Ders Tanıtımı | |
| 2 | Yapay Zeka’nın Tarihçesi | |
| 3 | Kör Arama Algoritmaları | |
| 4 | Sezgisel Arama Algoritmaları | |
| 5 | Lokal Arama Algoritmaları | |
| 6 | Genetik Algoritmalar | |
| 7 | Oyun Algortimaları | |
| 8 | Ara Sınav 1 / Uygulama veya Konu Tekrarı | |
| 9 | Bilgi Temsili | |
| 10 | Prolog Programlama Dili | |
| 11 | Uzman Sistemler | |
| 12 | Makine öğrenmesi algoritmaları - 1 | |
| 13 | Makine öğrenmesi algoritmaları - 2 | |
| 14 | Öğrenci Proje Sunumları | |
| 15 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 2 | 20 |
| Sunum/Jüri | 0 | 0 |
| Projeler | 1 | 20 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 20 |
| 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 | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 5 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 15 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 40 | |
| Sunum / Seminer | 0 | 0 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 25 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
