AKTS - İleri Yapay Zeka

İleri Yapay Zeka (MDES677) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
İleri Yapay Zeka MDES677 3 0 0 3 5
Ön Koşul Ders(ler)i
Öğretim üyesinin onayı
Dersin Dili İngilizce
Dersin Türü N/A
Dersin Seviyesi Fen Bilimleri Yüksek Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı İleri yapay zeka kavramlarını ve yapay zekaya farklı yaklaşımları (sembolik ve sembolik-olmayan) öğrenmek. Öğrencinin mühendislik vizyonunu genişletmek.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Verilen bir probleme özel erkin tasarımının nasıl yapılacağını öğrenmek. Problem çözümüne yönelik uygun yapay zeka tekniği uygulamasını öğrenmek.
Dersin İçeriği Akıllı erkinler, arama yoluyla problem çözme, bilgilendirilmiş/bilgilendirilmemiş arama yöntemleri, keşif, kısıt sağlama problemleri, oyun oynama, bilgi ve uslamlama: birinci-derece mantık, bilgi gösterimleme, öğrenme, seçilmiş başlıklar: evrimsel hesaplama, yapay sinir ağları, çok erkinli sistemler, karınca kolonisi optimizasyonu.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Akıllı Erkinler Russell & Norvig Bölüm 1 ve 2
2 Akıllı Erkinler Russell & Norvig Bölüm 1 ve 2
3 Bilgilendirilmiş/Bilgilendirilmemiş Arama Yöntemleri, Keşif Russell & Norvig Bölüm 3 ve 4
4 Bilgilendirilmiş/Bilgilendirilmemiş Arama Yöntemleri, Keşif Russell & Norvig Bölüm 3 ve 4
5 Kısıt Sağlama Problemleri Russell & Norvig Bölüm 5
6 Kısıt Sağlama Problemleri Russell & Norvig Bölüm 5
7 Oyun Oynama Russell & Norvig Bölüm 6
8 Bilgi ve Uslamlama: Mantıksal Erkinler Russell & Norvig Bölüm 7
9 Bilgi ve Uslamlama: Birinci-Derece Mantık Russell & Norvig Bölüm 8
10 Bilgi ve Uslamlama: Birinci-Derece Mantık Russell & Norvig Bölüm 9
11 Seçilmiş Başlıklar: Evrimsel Hesaplama Kaynak #5
12 Seçilmiş Başlıklar: Çok Erkinli Sistemler Kaynak #4
13 Seçilmiş Başlıklar: Yapay Sinir Ağları Kaynak #3
14 Seçilmiş Başlıklar: Karınca Kolonisi Optimizasyonu. Kaynak #1
15 Genel gözden geçirme -
16 Final sınavı -

Kaynaklar

Ders Kitabı 1. Artificial Intelligence: A Modern Approach (Second Edition). Stuart Russell and Peter Norvig, Prentice-Hall, 2003, ISBN: 0-13-790395
Diğer Kaynaklar 2. Ant Colony Optimization, Marco Dorigo and Thomas Stützle, MIT Press, 2004.
3. Artificial Intelligence, Patrick H. Winston, Addison-Wesley, 1992.
4. Introduction to the Theory of Neural Computation, J. Hertz, A. Krogh and R.G. Palmer, Addison-Wesley Publishing Company, 1991
5. An Introduction to MultiAgent Systems, Wooldridge, M., John Wiley & Sons, 2002
6. An Introduction to Genetic Algorithms, Melanie Mitchell, MIT Press, 1998

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler - -
Sunum 1 10
Projeler 1 25
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 25
Genel Sınav/Final Juri 1 40
Toplam 4 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 40
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri X
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Makine mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
2 Makine Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.
3 Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir.
4 Makine mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olmak ve ihtiyaç duyduğunda bunları inceleleyebilmek ve öğrenmek.
5 Makine mühendisliği ile ilgili problemleri tanımlayıp ve formüle edebilmek, çözmek için yöntem geliştirimk ve çözümlerde yenilikçi yöntemler uygulayabilmek.
6 Yeni ve/veya özgün fikir ve yöntemler geliştirebilmek; karmaşık sistem veya süreçleri tasarlayabilmek ve tasarımlarda yenilikçi/alternatif çözümler geliştirebilmek.
7 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlayabilmek ve uygulayabilmek; bu süreçte karşılaşılan karmaşık problemleri irdeleyebilmek ve çözümlemek.
8 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır.
9 Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurmak.
10 Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarabilmek.
11 Mühendislik uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilmek ve bunların mühendislik uygulamalarına getirdiği kısıtların farkında olmak.
12 Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetleyebilmek.

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama 3 5 15
Projeler 1 20 20
Raporlar
Ödevler
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 8 8
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 10 10
Toplam İş Yükü 133