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

DOÇ. DR. ZERRİN IŞIK

Dersi Alan Birimler

Endüstri Mühendisliği
Elektrik - Elektronik Mühendisliği (İngilizce)
Tekstil Mühendisliği
Makina Mühendisliği
Makina Mühendisliği (İ.Ö)
Bilgisayar Mühendisliği (İngilizce)
Maden Mühendisliği (İ.Ö)
Metalurji ve Malzeme Mühendisliği
Havacılık ve Uzay Mühendisliği
Çevre Mühendisliği
Jeoloji Mühendisliği (İ.Ö)
İnşaat Mühendisliği
İnşaat Mühendisliği (İ.Ö)

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/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.154
ÖK.25444
ÖK.34444
ÖK.44445543