| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Yapay Zeka | ISE 517 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | Temel programlama bilgisine sahip olmak Temel düzeyde python diline yetkin olmak |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi FATMA AKALIN |
| Dersi Verenler | Dr.Öğr.Üyesi FATMA AKALIN, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Günümüzde hızla artan veri yığınları üzerinde uygun algoritmaların seçilmesi ya da yeni yaklaşımların geliştirilmesi sonucunda elde edilen çıkarım işlemi ile tedarik edilen verilerin eşleştirildiği alana ilişkin analiz ve değerlendirme sağlamak
|
| Dersin İçeriği | Yapay zeka, Makine Öğrenmesi, Yapay Sinir Ağları, Derin Öğrenme, Bilgisayarlı Görü |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Veriyi anlama, amaca uygun olarak uygulama ve yorumlama becerisinin geliştirilmesi | Anlatım, Soru-Cevap, | Kısa Cevaplı Testler, Doğru Yanlış Testleri, |
| 2 | Hedef probleme ilişkin yeni bir yaklaşım geliştirme ve geliştirilen yaklaşımların mevcut yaklaşımlar ile karşılaştırılarak değerlendirilme yetisinin kazandırılması | Anlatım, Soru-Cevap, Gezi / Gözlem, | Doğru Yanlış Testleri, Kısa Cevaplı Testler, |
| 3 | Performansın optimize edilme sürecinin öğrenilmesi | Anlatım, Soru-Cevap, Deney ve Laboratuvar, | Doğru Yanlış Testleri, Kısa Cevaplı Testler, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Yapay zekanın tanımı, gelişimi ve genel yapısı | |
| 2 | Yapay zekanın veri ile arasındaki ilişki, yapay zeka uygulamalarında veri ön işleme aşamasının önemi ve veri ön işleme yöntemleri | |
| 3 | Yapay zeka çerçevesinin temel yaklaşımlarından olan Makine Öğrenmesi kapsamında Regresyon Algoritmalarının tanımı ve uygulanması | |
| 4 | Regresyon modellerinin karşılaştırılması ve değerlendirilmesi | |
| 5 | Yapay zeka çerçevesinin temel yaklaşımlarından olan Makine Öğrenmesi kapsamında Sınıflandırma Algoritmalarının tanımı ve uygulanması | |
| 6 | Sınıflandırma algoritmalarının karşılaştırılması ve değerlendirilmesi | |
| 7 | Yapay zeka çerçevesinin temel yaklaşımlarından olan Makine Öğrenmesi kapsamında Kümeleme Algoritmalarının tanımı, uygulanması ve değerlendirilmesi | |
| 8 | Ara Sınav | |
| 9 | Yapay zeka çerçevesinin temel yaklaşımlarından olan Yapay Sinir Ağına Giriş | |
| 10 | Yapay Sinir Ağı kapsamında farklı modellerin/mimarilerin geliştirilmesi ve fine tune edilmesi | |
| 11 | Yapay Sinir Ağı kapsamında gerçek hayat problemlerine ilişkin uygulamaların gerçekleştirilmesi | |
| 12 | Yapay zeka çerçevesinin temel yaklaşımlarından olan Derin Sinir Ağının Giriş | |
| 13 | Derin Sinir Ağları ile farklı modellerin geliştirilmesi ve fine tune edilmesi | |
| 14 | Derin Sinir Ağı ile gerçek hayat problemlerine ilişkin uygulamaların gerçekleştirilmesi |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Bilişim sistemlerinin işleyişinde verinin önemini ortaya koyarak veri hazırlama, veri analizi ve veri görselleştirme uygulamaları ile sistem verimliliğine katı sağlayıcı yetkinlikler kazanır. | ||||||
| 7 | İlgili alanlarda kitap, makale ve benzeri bilimsel yayın üretmek ve uygulama yapabilmek için gerekli yetkinlikleri kazanır. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Veriyi anlama, amaca uygun olarak uygulama ve yorumlama becerisinin geliştirilmesi | |||||||
| 2 | Hedef probleme ilişkin yeni bir yaklaşım geliştirme ve geliştirilen yaklaşımların mevcut yaklaşımlar ile karşılaştırılarak değerlendirilme yetisinin kazandırılması | |||||||
| 3 | Performansın optimize edilme sürecinin öğrenilmesi |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Proje / Tasarım | 30 |
| 1. Ara Sınav | 40 |
| 1. Ödev | 30 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Final | 1 | 15 | 15 |
| Proje / Tasarım | 1 | 25 | 25 |
| Ara Sınav | 1 | 15 | 15 |
| Ödev | 1 | 5 | 5 |
| Toplam İş Yükü | 156 | ||
| Toplam İş Yükü / 25 (Saat) | 6,24 | ||
| Dersin AKTS Kredisi | 6 | ||