DERS ADI

: Zeki Sistemlere Giriş

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSC 5033 Zeki Sistemlere Giriş SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Doktora

Ders Koordinatörü

DR. ÖĞR. ÜYESİ BARIŞ TEKİN TEZEL

Dersi Alan Birimler

Bilgisayar Bilimleri Doktora (İngilizce)
Bilgisayar Bilimleri Yüksek Lisans

Dersin Amacı

Zeki sistemin en az beş temel bileşenini öğrenmek, kendi zeki sistemini tasarlayabilmek ve uygulayabilmek, Bir alt alanda zeki sistem tabanlı bir araştırma ödevi yazmak, yapay zeka tekniklerinin genel yüzeysel bilgisine sahip olmak ve Yapay zeka içindeki belirli bir alt alanda daha derin bir uzmanlık bilgisine sahip olmak ve bunları nasıl birleştirilebileceği veya bütünleştirebilirceği hakkında bilgisi olmak.

Dersin Öğrenme Kazanımları

1   Kendi zeki sistemlerini tasarlayabilmek ve uygulayabilmek.
2   Zeki Sistemler alanında en yeni konularda araştırma yapmak; sunum hazırlama ve sunum. Zeki Sistemlerde kâğıt okuma ve yazma konusunda deneyim kazanmak.
3   Yapay Sinir Ağları, Genetik Algoritmalar, Bulanık Mantık, Uzman Sistemlerde Yazılım Araçlarını kullanma ve entegre etme becerisini öğrenmek.
4   Zeki Sistemler, matematik ve yazılım altyapısı ile ilgili temel kavramları öğrenmek;
5   Zeki Sistemleri problemlere uygulayabilme becerisine sahip olmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Akıllı Sistemlere Giriş (IS)
2 Hibrit Akıllı Sistemler, Nöral Uzman Sistemler, Nöro-Bulanık Sistemler, Hibrid Akıllı Sistem Mimarileri ve ANFIS
3 Uzman Sistemler, Kural Tabanlı Uzman Sistemler, Belirsizlik Yönetimi (Bayes Akıl Yürütme, Kesinlik Faktörleri)
4 Evrimsel Hesaplama, Sürü Zekası Algoritmaları
5 Makine Öğrenimi, Derin Öğrenme, Bulanık Mantık
6 Bulanık Uzman Sistemler, Çerçeve Tabanlı Uzman Sistemler, Bilgi Mühendisliği ve Veri Madenciliği Robotik Uygulamaları
7 İşletmelerde Akıllı Sistemler, Tavsiye Sistemleri,
8 Doğal Dil İşleme, Duygu Analizi, Topluluk Öğrenimi
9 Hibrit Meta-sezgiseller, Hipersezgiseller
10 Akıllı etmenler
11 Genel değerlendirme
12 Proje değerlendirmeleri
13 Proje değerlendirmeleri
14 Proje değerlendirmeleri

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Michael Negnevitsky, Artificial Intelligence : A Guide to Intelligent Systems (3rd Edition) , Addison Wesley, 2011.

Yardımcı kaynaklar:
Doç. Dr. Bahadır Karasulu, "Esnek Hesaplama", Nobel, 2015.
Mircea Negoita, Daniel Neagu, Vasile Palade, Computational Intelligence: Engineering of Hybrid Systems (Studies in Fuzziness and Soft Computing) , Springer, 2005.
Computational Intelligence: A Logical Approach. Poole, Mackworth and Goebel. Oxford University Press, 1998.
Neuro-Fuzzy and Soft Computing. J.S.R. Jang, C.T. Sun, E.Mizutani. Prentice Hall 1997.
Recent literature papers.

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 ARS ARASINAV
2 ODV ÖDEV
3 YSBN YIL SONU BAŞARI NOTU ARS * 0.50 + ODV * 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

efendi.nasibov@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 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 14 4 56
Ödev Hazırlama 2 35 70
Sunum Hazırlama 2 15 30
TOPLAM İŞ YÜKÜ (saat) 198

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