Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | YAPAY ZEKA |
| 2 | Dersin Kodu: | END6122 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Doktora |
| 5 | Dersin Verildiği Yıl: | 1 |
| 6 | Dersin Verildiği Yarıyıl: | 2 |
| 7 | Dersin AKTS Kredisi: | 7,5 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | Yok |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Prof. Dr. NURSEL ÖZTÜRK |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
nursel@uludag.edu.tr +90 224 2942083 Bursa Uludağ Üniversitesi Endüstri Mühendisliği Bölümü |
| 18 | Dersin Web Adresi: | |
| 19 | Dersin Amacı | Bu dersin amacı, öğrencilerin yapay zeka ile ilgili konular ve uygulamalarıyla bilgilendirilmelerini sağlamaktır. |
| 20 | Dersin Mesleki Gelişime Katkısı: | Dersin mesleki gelişime olan katkısı, yapay zeka ile ilgili bilgi ve uygulamaların tanıtılması ve öğrenilen yapay zeka tekniklerinin uygulama becerisinin kazandırılmasıdır. |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Yapay zekanın temel prensipleri, Uzman sistem, Uzman sistemin genel yapısı | |
| 2 | Bilginin sunulma yöntemleri, Arama yöntemleri, Çıkarım, İleri zincirleme, Geri zincirleme | |
| 3 | Uzman sistemlerin tasarımı, Olasılık ve uzman sistemler, Uygulama örnekleri | |
| 4 | Bulanık kümeler, Bulanık kümelerin özellikleri, Bulanık küme işlemleri | |
| 5 | Bulanık ilişkiler, Üyelik fonksiyonları, Bulandırma | |
| 6 | Bulanık çıkarım teknikleri, Durulama teknikleri | |
| 7 | Doğal dil işleme, Bulanık sistemler | |
| 8 | Bulanık sistemler, Uygulama örnekleri | |
| 9 | Yapay sinir ağları | |
| 10 | Yapay sinir ağları | |
| 11 | Yapay sinir ağları, Uygulama örnekleri | |
| 12 | Derin öğrenme | |
| 13 | Derin öğrenme | |
| 14 | Derin öğrenme, Uygulama örnekleri |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
N. Allahverdi, Uzman Sistemler, Bir Yapay Zeka Uygulaması, Atlas Yay. J. C. Giarratano, G.D. Riley, Expert Systems Principles and Programming, Thomson Course Technology. S. N. Sivanandam, S. Sumathi, S. N. Deepa, Introduction to Fuzzy Logic using MATLAB, Springer, 2007. T.J. Ross, Fuzzy Logic with Engineering Applications, Wiley, 2010. A. Yılmaz, Yapay Zeka, Kodlab, 2020. P. Kim, MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence, Apress, 2017. Y. Özkan, Uygulamalı Derin Öğrenme: Yapay Zeka, Makine Öğrenmesi, Yapay Sinir Ağları, Papatya Yay. 2021. S. Shanmuganathan, S. Samarasinghe, Artificial Neural Network Modelling, Springer, 2016. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 0 | 0 |
| Kısa Sınav | 0 | 0 |
| Ödev | 4 | 40 |
| Yıl sonu Sınavı | 1 | 60 |
| Toplam | 5 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 40 | |
| Finalin BAşarıya Oranı | 60 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | Ödev, Proje, Yıl Sonu Sınavı | |
| Açıklama | ||
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 10 | 140 |
| Ödevler | 4 | 5 | 15 |
| Projeler | 1 | 25 | 25 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 3 | 3 |
| Toplam İş Yükü | 225 | ||
| Toplam İş Yükü / 30 saat | 7,5 | ||
| Dersin AKTS Kredisi | 7,5 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ÖK: Öğrenme Kazanımları | PY: Program yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |