Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
YAPAY ZEKA- II	Üçüncü Düzey	JFM 520		2	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Yok
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. COŞKUN ÖZKAN
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. COŞKUN ÖZKAN
Yardımcı Öğretim Eleman(lar)ı	Yok
Dersin Veriliş Şekli	Yüz yüze
Dersin Amacı	Akıllı sistemlerin tasarımı, analizi ve uygulanması için gerekli olan ileri düzey matematiksel ve algoritmik yetkinlikleri kazandırmak
Dersin Tanımı	Verilerden öğrenme, mantıksal akıl yürütme, problem çözme ve karar verme gibi insan zekasına özgü işlevleri bilgisayar sistemlerine kazandırmak için kullanılan ileri düzey algoritma ve modeller.

Dersin İçeriği

1	Yapay Zeka ve Makine Öğrenmesi
2	Veri, Veri Ölçeği, Etiketli ve Etiketsiz veri
3	Danışmalı, Danışmasız ve Takviyeli Öğrenme
4	Lineer Regresyon, Hata Fonksiyonu ve Gradyen Azaltma
5	Parametre-Hiperparametre, Az-Aşırı Öğrenme, Eğitim-Doğrulama-Test Bölümlemesi, Karmaşıklık Grafiği
6	L1-L2 Norm Regülarizasyon ve Gradyen Azaltma
7	Perceptron Algoritması
8	Logistic Sınıflandırıcı
9	Sınıflandırmada Doğruluk Değerlendirmesi
10	Naive Bayes Modeli
11	Karar Ağaçları, Ensemble (Boosting ve Bagging) Modelleri
12	Destek Vektör Makinesi
13	Sığ ve Derin Yapay Sinir Ağları
14	Konvolüsyonel Sinir Ağları
15	Siamese ve Kolmogorov-Arnold Sinir Ağları
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Algoritmik düşünür
2	Karmaşıklık analizi yapar
3	Model tasarımı yapar
4	Regresyon modeli üretir
5	Sınıflandırma modeli üretir
6	Performans analizi yapar
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	5	70
Ödevler	10	3	30
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	20	20
Ara sınavlar	1	5	5
Proje (Yarıyıl ödevi)	0	0	0
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	20	20
Yarıyıl sonu sınavı	1	5	5
Araştırma	0	0	0
Toplam iş yükü			192
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	25
Kısa sınav	0	0
Ödev	10	75
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Artificial Intelligence: A Modern Approach, Stuart J. Russell, Peter Norvig.
Yardımcı Kaynaklar	An Introduction to Statistical Learning with Applications in Python, Gareth James , Daniela Witten , Trevor Hastie , Robert Tibshirani , Jonathan Taylor.

Ders İle İlgili Dosyalar