| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Yapay Zeka | EEM 455 | 7 | 3 + 0 | 3 | 5 |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Yapay zekâ temellerini öğrenmek | Anlatım, | |
| 2 | Yapay zekâ ile problem çözme sürecini tasarlamayı öğrenmek | Tartışma, Anlatım, | |
| 3 | Yapay zekâ sınıflandırma algoritmalarını öğrenmek | Tartışma, Anlatım, | |
| 4 | Yapay zekâ sınıflandırma algoritmaları performansını test etmeyi öğrenmek | Tartışma, Anlatım, | |
| 5 | Yapay zekâ regresyon algoritmalarını öğrenmek | Tartışma, Anlatım, | |
| 6 | Yapay zekâ regresyon algoritmaları performansını test etmeyi öğrenmek | Tartışma, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Zekâ Temel Kavramlar ve Tarihçe | |
| 2 | Yapay Zekâ, Makine Öğrenmesi ve Derin Öğrenme Giriş | |
| 3 | Makine Öğrenmesi Eğitim Süreçleri Tasarımı | |
| 4 | Makine Öğrenmesi Algoritma Türlerine Giriş | |
| 5 | Makine Öğrenmesinde Sınıflandırma Algoritmaları | |
| 6 | Makine Öğrenmesinde Sınıflandırma Algoritmaları Performans Değerlendirme Kriterleri | |
| 7 | Sınıflandırma Algoritmaları Tabanlı Geliştirilen Modellerin Makale Tabanlı İncelenmesi | |
| 8 | Sınıflandırma Algoritmaları Tabanlı Geliştirilen Model Sonuçlarının Raporlanması | |
| 9 | Sınıflandırma Algoritmaları İle Problem Çözüm Uygulaması | |
| 10 | Makine Öğrenmesinde Regresyon Algoritmaları | |
| 11 | Makine Öğrenmesinde Regresyon Algoritmaları Performans Değerlendirme Kriterleri | |
| 12 | Regresyon Algoritmaları Tabanlı Geliştirilen Modellerin Makale Tabanlı İncelenmesi | |
| 13 | Regresyon Algoritmaları Tabanlı Geliştirilen Model Sonuçlarının Raporlanması | |
| 14 | Regresyon Algoritmaları İle Problem Çözüm Uygulaması |
| Kaynaklar | |
|---|---|
| Ders Notu | Haftalık Paylaşım Yapılacaktır. |
| Ders Kaynakları | Ian Witten Eibe Frank Mark Hall Christopher Pal “Data Mining, Practical Machine Learning Tools and Techniques” https://www.sciencedirect.com/book/9780128042915/data-mining Chris AldrichLidia Auret, “Unsupervised Process Monitoring and Fault Diagnosis with Machine Learning Methods” https://link.springer.com/book/10.1007/978-1-4471-5185-2 |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | ||||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | |||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | ||||||
| 8 | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 3 | PÇ 3 | PÇ 3 | PÇ 3 | PÇ 4 | PÇ 4 | PÇ 8 |
|---|---|---|---|---|---|---|---|---|
| 1 | Yapay zekâ temellerini öğrenmek | |||||||
| 2 | Yapay zekâ ile problem çözme sürecini tasarlamayı öğrenmek | |||||||
| 3 | Yapay zekâ sınıflandırma algoritmalarını öğrenmek | |||||||
| 4 | Yapay zekâ sınıflandırma algoritmaları performansını test etmeyi öğrenmek | |||||||
| 5 | Yapay zekâ regresyon algoritmalarını öğrenmek | |||||||
| 6 | Yapay zekâ regresyon algoritmaları performansını test etmeyi öğrenmek |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 25 |
| 1. Proje / Tasarım | 75 |
| Toplam | 100 |
| 1. Final | 40 |
| 1. Yıl İçinin Başarıya | 60 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Proje / Tasarım | 1 | 4 | 4 |
| Ödev | 2 | 3 | 6 |
| Final | 1 | 7 | 7 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Ara Sınav | 1 | 4 | 4 |
| Toplam İş Yükü | 101 | ||
| Toplam İş Yükü / 25 (Saat) | 4,04 | ||
| dersAKTSKredisi | 5 | ||