Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
YAPAY ZEKA İkinci Düzey ENM 525 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör DR. ÖĞR. ÜYESİ BERRİN ATALAY
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. LALE ÖZBAKIR
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Anlatım ve uygulama
Dersin Amacı Bu dersin amacı, öğrencilerin yapay zekâ, problem çözme ve makine öğrenmesine ilişkin yöntem yöntemleri öğrenmesini sağlamak, karşılaştıkları mühendislik problemlerine çözüm yaklaşımı geliştirebilmeleri için gerekli bilgi ve yetkinleri kazandırmaktır.
Dersin Tanımı Bu ders, yapay zekanın temel kavramları, yapay zeka kullanarak problem çözme, makine öğrenme, yerel arama yaklaşımları, meta-sezgisel yöntemler, yapay sinir ağları, derin öğrenme yöntemleri gibi konuları içerir.

Dersin İçeriği
1 Yapay Zeka: İleri Perspektif
2 Akıllı Sistemler ve Karar Verme
3 Veri ve Ön İşleme
4 Makine Öğrenmesine Genel Bakış
5 Yapay Sinir Ağları
6 Derin Öğrenme Mimarileri
7 LSTM ve Zaman Serisi için Derin Öğrenme
8 Bulanık Mantık ve Fuzzy Sistemler
9 Zeki Optimizasyon
10 Pekiştirmeli Öğrenme ve Karar Sistemleri
11 Doğal Dil İşleme
12 Yapay Zeka ve Robotik / Otonom Sistemler
13 Explainable AI ve Güvenilir AI
14 Yapay Zekanın Etik ve Sosyal Boyutları
15 Proje Sunumları
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Öğrenci yapay zeka ve gelişimi hakkında bilgi sahibi olur.
2 Öğrenci arama algoritmaları ve uygulamaları hakkında bilgi sahibi olur.
3 Öğrenci bulanık mantık ve bulanık çıkarım hakkında bilgi sahibi olur.
4 Öğrenci meta-sezgisel yöntemler ve uygulamaları hakkında bilgi sahibi olur.
5 Öğrenci yapay sinir ağları ve derin öğrenme modellerini bilir ve uygulayabilir.
6 Projelerde uygulama fırsatı olur ve pekiştirebilir.
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Endüstri mühendisliği alanında ileri düzeyde kuramsal ve uygulamalı bilgiye sahip olarak, bu bilgileri disiplinler arası bağlamda bütünleştirip karmaşık mühendislik problemlerinin çözümünde etkin ve eleştirel bir yaklaşımla kullanabilme.
2 Karmaşık ve belirsizlik içeren endüstri mühendisliği problemlerini ileri matematiksel, istatistiksel ve optimizasyon temelli yöntemlerle modelleyebilme, çözümleyebilme ve alternatif çözüm yaklaşımlarını karşılaştırmalı olarak değerlendirebilme.
3 Alanıyla ilgili ulusal ve uluslararası bilimsel literatürü sistematik ve eleştirel bir bakış açısıyla inceleyebilme, elde edilen bilgileri sentezleyerek yeni bakış açıları geliştirebilme.
4 Gerçek hayat sistemlerini analitik modelleme, simülasyon ve veri analitiği teknikleri kullanarak temsil edebilme, elde edilen sonuçları yorumlayarak karar verme süreçlerine bilimsel katkı sağlayabilme.
5 Endüstri mühendisliği alanına yönelik bir problemi bilimsel araştırma yöntemlerine uygun biçimde tanımlayabilme, araştırma tasarlayabilme, veri toplayabilme, analiz edebilme ve sonuçları bilimsel olarak yorumlayabilme.
6 Farklı disiplinlerden uzmanlarla birlikte çok disiplinli takımlarda etkin rol alabilme, sistem yaklaşımı çerçevesinde karmaşık problemlerin çözümüne katkı sunabilme.
7 Alanıyla ilgili bir çalışmayı bağımsız olarak planlayabilme, yürütebilme ve sonuçlandırabilme, bu süreçte bilimsel etik ilkelere ve kalite standartlarına uygun hareket edebilme.
8 Elde ettiği bulguları bilimsel raporlar, teknik dokümanlar ve sözlü sunumlar aracılığıyla açık, sistematik ve etkili bir şekilde ifade edebilme.
9 Gerçekleştirdiği araştırma sonuçlarını ulusal ve/veya uluslararası bilimsel platformlarda sunabilme, akademik yayın haline getirebilme ve bilimsel tartışmalara katkı sağlayabilme.
10 Alanında kullanılan modern mühendislik araçlarını, yazılımları ve veri analitiği tekniklerini ileri düzeyde kullanabilme ve bu araçları problem çözüm süreçlerine entegre edebilme.
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) 10 4 40
Ödevler 2 20 40
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 20 20
Ara sınavlar 1 3 3
Proje (Yarıyıl ödevi) 1 20 20
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 20 20
Yarıyıl sonu sınavı 1 3 3
Araştırma 0 0 0
Toplam iş yükü     188
AKTS     7.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 20
Kısa sınav 0 0
Ödev 2 20
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı S. Russel and P. Norvig, “Artificial Intelligence – A Modern Approach”, Third Edition, Pearson Education
Yardımcı Kaynaklar -

Ders İle İlgili Dosyalar