DERS ADI

: YAPAY ZEKA YÖNTEMLERİ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
ETE 3005 YAPAY ZEKA YÖNTEMLERİ SEÇMELİ 2 0 0 4

Dersi Veren Birim

Mühendislik Fakültesi

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ ÖZLEM AKTAŞ

Dersi Alan Birimler

Endüstri Mühendisliği
Tekstil Mühendisliği
Makina Mühendisliği
Makina Mühendisliği (İ.Ö)
Maden Mühendisliği (İ.Ö)
Jeofizik Mühendisliği
Maden Mühendisliği
Metalurji ve Malzeme Mühendisliği
Çevre Mühendisliği
Elektrik - Elektronik Mühendisliği
Jeoloji Mühendisliği (İ.Ö)
İnşaat Mühendisliği
İnşaat Mühendisliği (İ.Ö)
Jeoloji Mühendisliği

Dersin Amacı

Bu dersin amacı yapay zeka alanındaki yöntemleri, uygulama dillerini ve arama paradigmalarını etkin bir şekilde tartışmak, öğretmek ve uygulamak; böylece öğrencilerin analitik ve kuramsal düşünce güçlerini artırabilmelerini ve etkin problem çözebilmelerini sağlamaktır.

Dersin Öğrenme Kazanımları

1   Yapay zeka yöntemlerini ve günlük hayattaki uygulamalarını öğrenebilme
2   Kısıt sağlama problemleri gibi matematiksel problemlerin çözümü için gerekli arama paradigmalarını öğrenmesi ve gerektiğinde uygulayabilme
3   Yapay zeka konusu içindeki yöntemleri öğrenebilme
4   Öğrenme paradigmalarını anlayabilme, günlük hayatta uygulayabilme ve problemlere çözüm üretebilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Yapay Zekaya Giriş: Yapay Zekanın Tarihçesi ve Uygulamaları
2 Yapay Zeka Uygulamalarında Bilgi Gösterimi
3 Problem Çözme: Constraint Satisfaction Problems (CSP), Backtracking Search for CSP
4 Arama Stratejileri - I: Genişlik Öncelikli Arama (Depth First Search), Derinlik Öncelikli Arama (Breath First Search), Sezgisel Arama (Heuristic Search)
5 Arama Stratejileri- II: Hill Climbing, Best First Search, A* Method
6 Oyun Ağaçları ve Dönüşümlü Arama, Alpha-Beta İndirgeme, Minimax Arama
7 Vize
8 Yapay Zeka Teknikleri - I
9 Yapay Zeka Teknikleri - II
10 Öğrenme Paradigmaları - I: Learning from Observations, Inductive Learning, Decision Trees
11 Öğrenme Paradigmaları - II:: Learning from Examples, Learning with Hidden Variables, Instance Based Learning
12 Doğal Dil İşleme - I: Biçimbilim, Anlambilim ve Edimbilim
13 Doğal Dil İşleme - II: Biçimbilim, Anlambilim ve Edimbilim
14 Uzman sistemler

Ders İçin Önerilen Kaynaklar

Ana kaynak: Artificial Intelligence A Modern Approach,Stuart Russell,Peter Norvig, Prentice Hall,0131038052,New Jersey,1995
Yardımcı kaynaklar: Artificial Intelligence, George Luger, Addison Wesley, 0201648660, England, 2002

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, problem çözümü, sunum, ödev.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Vize
2 OD Ödev
3 FN Final
4 BNS BNS VZ*0.35+OD *0.15+FN * 0.50
5 BUT Bütünleme Notu
6 BBN Bütünleme Sonu Başarı Notu VZ*0.35+OD *0.15+BUT * 0.50


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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara sınav %25, ödevler %25, final sınavı %50 oranında dönem notunu belirler.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd.Doç.Dr. Özlem AKTAŞ

Bilgisayar Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Tınaztepe Kampüsü
Buca İzmir

ozlem@cs.deu.edu.tr,
aktas.ozlem@deu.edu.tr,
0232 3017426

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 2 26
Haftalık Ders öncesi/sonrası hazırlıklar 13 1 13
Vize Sınavına Hazırlık 1 12 12
Final Sınavına Hazırlık 1 12 12
Ödev Hazırlama 2 6 12
Sunum Hazırlama 2 5 10
Final Sınavı 1 3 3
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 90

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11
ÖK.144
ÖK.2433
ÖK.3221
ÖK.4