Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

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

DOÇ. DR. ZERRİN IŞIK

Dersi Alan Birimler

Endüstri Mühendisliği
Tekstil Mühendisliği
Makina Mühendisliği
Makina Mühendisliği (İ.Ö)
Bilgisayar Mühendisliği
Maden Mühendisliği (İ.Ö)
Jeofizik Mühendisliği
Maden Mühendisliği
Metalurji ve Malzeme Mühendisliği
Havacılık ve Uzay 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 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	Matematiksel problemlerin çözümü için gerekli arama paradigmalarını öğrenme ve gerektiğinde uygulayabilme
3	Öğrenme paradigmalarını anlayabilme, günlük hayatta uygulayabilme ve problemlere çözüm üretebilme
4	Yapay zeka yaklaşımını kullanarak bir proje geliştirme

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	Kısıt Tatmin Edici Problemler (CSP) ve Oyun Stratejileri
3	Çizge ve Ağaç Arama Stratejileri (DFS, BFS)
4	Tepe Tırmanma, En İyi İlk Arama, A* Yöntemi
5	Öğrenme Tekniklerine Giriş
6	Denetimsiz Öğrenme Yöntemleri - Kmeans Kümeleme
7	Denetimsiz Öğrenme Yöntemleri - Hiyerarşik Kümeleme
8	Denetimli Öğrenme Yöntemleri - En Yakın Komşu Algoritması
9	Denetimli Öğrenme Yöntemleri - Karar Ağaçları
10	Denetimli Öğrenme Yöntemleri - Naive Bayes
11	Denetimli Öğrenme Yöntemleri - Regresyon
12	Üretken Yapay Zekanın Uygulama Alanları ve Etik
13	Öğrenci Proje Sunumları
14	Öğrenci Proje Sunumları

Ders İçin Önerilen Kaynaklar

Ana kaynak: Artificial Intelligence A Modern Approach, Stuart Russell, Peter Norvig, Prentice Hall, 1995
Yardımcı kaynak: Artificial Intelligence, George Luger, Addison Wesley, England, 2005

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, problem çözümü, proje

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	ODV	Ödev/Proje
3	FN	Final
4	BNS	BNS	VZ * 0.20 + ODV * 0.30 + FN * 0.50
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.20 + ODV * 0.30 + BUT * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara sınav %20, proje %30, final sınavı %50 oranında dönem notunu belirler.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Doç.Dr. Zerrin IŞIK
Bilgisayar Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Tınaztepe Kampüsü
Buca İzmir

zerrin.isik@deu.edu.tr
0232 3017413

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Daha sonra duyurulacaktır

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	2	28
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	12	12
Final Sınavına Hazırlık	1	12	12
Proje Hazırlama	1	12	12
Sunum Hazırlama	2	5	10
Final Sınavı	1	3	3
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			93

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8
ÖK.1	2	1	1	5	2	1	5	4
ÖK.2	4	5	3	4	1	2	2	1
ÖK.3	3	1	1	5	1	1	1	1
ÖK.4	5	5	4	4	1	3	4	4

DERS ADI

DERECE PROGRAMLARI