Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | YAPAY ZEKA |
| 2 | Dersin Kodu: | BMB3015 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Lisans |
| 5 | Dersin Verildiği Yıl: | 3 |
| 6 | Dersin Verildiği Yarıyıl: | 5 |
| 7 | Dersin AKTS Kredisi: | 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: | Dr. Ögr. Üyesi CEYDA NUR ÖZTÜRK |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | |
| 17 | Ders Koordinatörünün İletişim Bilgileri: | ceydanur@uludag.edu.tr |
| 18 | Dersin Web Adresi: | |
| 19 | Dersin Amacı | Bilgisayar sistemlerine çeşitli ortamlarda problem çözme, çıkarım, öğrenme, iletişim, algı ve hareket becerisi kazandırmak için kullanılan yöntem ve araçları tanıtmak |
| 20 | Dersin Mesleki Gelişime Katkısı: | Mühendislik Bilimleri: %70, Mühendislik Tasarımı: %30 |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Giriş, akıllı ajanlar | |
| 2 | Arama ile problem çözme, kör arama algoritmaları | |
| 3 | Sezgisel arama algoritmaları | |
| 4 | Yerel arama algoritmaları | |
| 5 | Muhalif arama | |
| 6 | Mantık ile çıkarım, birinci dereceden mantık | |
| 7 | Prolog programlama | |
| 8 | Bilgi temsili ve semantik ağlar | |
| 9 | Gözlemlerden öğrenme, karar ağaçları | |
| 10 | Belirsizlik, istatistik ile çıkarım, Bayes öğrenmesi | |
| 11 | Yapay sinir ağları, geri yayılım algoritması | |
| 12 | İletişim, biçimsel diller, sözdizimi ve anlam analizi | |
| 13 | Algı, görüntü oluşumu ve görüntü işleme | |
| 14 | Hareket, robot konumlandırma, haritalama ve planlama |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
1. Russell, S. ve Norvig, P., 2016. Artificial Intelligence: A Modern Approach, 3rd Edition, Pearson Education, ISBN-10: 0136042597 ISBN-13: 978-1292153964. 2. Zhang, A., Lipton, Z. C., Li, M. ve Smola, A. J., 2022. Dive into deep learning. arXiv preprint DOI: https://doi.org/10.48550/arXiv.2106.11342. 3. Ekman, M., 2021. Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, NLP, and Transformers Using TensorFlow, Addison-Wesley Professional, ISBN-10: 0137470355 ISBN-13: 978-0137470358. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 1 | 10 |
| Kısa Sınav | 0 | 0 |
| Ödev | 3 | 30 |
| 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 | Programlama ve çalışma ödevleri, yazılı sınavlar | |
| 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 | 2 | 28 |
| Ödevler | 3 | 0 | 0 |
| Projeler | 0 | 0 | 0 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 1 | 40 | 40 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 40 | 40 |
| Toplam İş Yükü | 150 | ||
| Toplam İş Yükü / 30 saat | 5 | ||
| Dersin AKTS Kredisi | 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 |