DERS ADI

: Yapay Zeka Optimizasyon Algoritmaları

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSC 5024 Yapay Zeka Optimizasyon Algoritmaları SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. MURAT ERŞEN BERBERLER

Dersi Alan Birimler

Bilgisayar Bilimleri Yüksek Lisans
Bilgisayar Bilimleri Doktora

Dersin Amacı

Bu derste yapay zeka optimizasyon algoritmalarının türleri detaylı bir şekilde anlatılacak ve her bir türe ait bilgisayar programları yazılarak örnekler üzerinde hesaplama denemeleri yapılacaktır. Aynı zamanda pratikte karşılaşılan ve optimize edilmesi gereken bilimsel problemlere dair yapay zeka optimizasyon algoritmalarını kullanan uygulama ödevleri verilecektir. Dersin amacı yapay zeka optimizasyon algoritmaları literatürünü öğretmek ve öğrenciyi bu literatürü kullanarak karşılaştığı problemlere etkin çözümler getirecek bilgi ve beceri düzeyine eriştirmektir.

Dersin Öğrenme Kazanımları

1   Yapay zeka optimizasyon algoritmaları nın temel kavramları hakkında bilgi sahibi olabilme.
2   Optimizasyon problemlerini çözebilme.
3   Yapay zeka optimizasyon algoritmaları nın temel kavramları ile bilgisayar bilimleri problemlerini çözebilme.
4   Yapay zeka optimizasyon algoritmalarına ait kavramlar ile etkin algoritmalar tasarlayabilme.
5   Yapay zeka optimizasyon algoritmalarına ait kavramlar ile farklı disiplinlerdeki problemleri çözebilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Optimizasyon Temel Kavramları Optimizasyon problemlerinin sınıflandırılması Optimizasyon metodlarının sınıflandırılması
2 Sezgisel algoritmalar
3 Isıl İşlem Algoritması Doğal ısıl işlem algoritması
4 Yapay ısıl işlem algoritması Isıl işlem algoritmasının programlanması ve hesaplama denemeleri
5 Tabu Arama Algoritması Tabu araştırma hafızası
6 Tabu araştırma stratejileri Tabu arama algoritmasının programlanması ve hesaplama denemeleri
7 Genetik Algoritma Evrimsel hesaplama
8 Ara sınav
9 Genetik operatörler Genetik algoritmanın programlanması ve hesaplama denemeleri
10 Karınca Koloni Algoritması Karınca koloni algoritmasının çalışma prensibi
11 Karınca koloni algoritmasının programlanması ve hesaplama denemeleri
12 Yapay Bağışıklık Algoritması Yapay bağışıklık algoritmasının çalışma prensibi Yapay bağışıklık algoritmasının programlanması ve hesaplama denemeleri
13 Diferansiyel Gelişim Algoritması Diferansiyel gelişim algoritmasının çalışma prensibi Diferansiyel gelişim algoritmasının programlanması ve hesaplama denemeleri
14 Bilgisayar uygulamaları
15 Final sınavı

Ders İçin Önerilen Kaynaklar

Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, Pearson, 2010.

D.T. Pham, D. Karaboğa, Intelligent Optimization Techniques, Springer-Verlag, 2000.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu ve tartışma biçiminde öğretilecek. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV Ödev/Sunum
2 FN Final
3 BNS BNS ODV * 0.40 + FN * 0.60
4 BUT Bütünleme Notu
5 BBN Bütünleme Sonu Başarı Notu ODV * 0.40 + BUT * 0.60


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

İlan Edilecektir.

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

murat.berberler@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 13 3 39
Ödev Hazırlama 1 12 12
Final Sınavına Hazırlık 1 24 24
Haftalık Ders öncesi/sonrası hazırlıklar 13 10 130
Proje Ödevi 1 2 2
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 209

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.15555
ÖK.25555
ÖK.35555
ÖK.45555
ÖK.55555