Erciyes University - Info Package

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
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	Temel kavramlar, yapay zeka ve gelişimi.
2	Zeki ajanlar, bilgi tabanlı ajanlar.
3	Arama algoritmaları, derinlik ve genişlik öncelikli arama, A, AO algoritması, sezgisel arama, tepe tırmanma yaklaşımı.
4	Birinci derece mantık, birinci derece mantıksal çıkarım.
5	Bulanık kümeler, bulanık mantık, bulanık çıkarım.
6	Oyun problemleri.
7	Makine öğrenme yöntemleri.
8	Ara Sınav.
9	Meta-sezgisel yöntemler; tabu arama, tavlama benzetimi, parçacık sürü optmizasyonu, KKO algoritması.
10	Evrimsel algoritmalar; Evrimsel strateji, genetik algoritma, diferansiyel gelişim algoritması vb.
11	Yapay sinir ağları.
12	Derin öğrenme modelleri ve uygulama alanları.
13	Evrişimli sinir ağları, otokodlayıcı, tekrarlayan sinir ağları ve uygulamaları.
14	Derin inanç ağları ve uygulamaları.
15
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
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Uzmanlığını kullanarak endüstri mühendisliği problemlerini tanımlayabilme ve yenilikçi çözümler üretebilme becerisi kazanır.
2	Alanında karşılaşılabilecek sorunları tanımlayarak uygun modelleme yöntemleri ile çözme becerisi kazanır.
3	Konusunda, ulusal ve uluslararası düzeydeki bilimsel çalışmaları takip ederek alanındaki bilimsel ve teknolojik gelişmeleri derinlemesine izleyebilme yeteneği kazanır.
4	Sistemlerin modellenmesi, benzetimi ve matematiksel ifade etme yeteneği kazanır. Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
5	Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
6	Disiplinler arası yapıdaki problemleri çözmek için disiplinler arası takımlara ulaşarak onlarla işbirliği yapabilme yeteneği kazanır.
7	Fakülte çalışanı birisinin gözetimi altında sunulabilir bir çalışma yapma yeteneği kazanır.
8	Endüstriyel ve sistemsel teknik bilgileri profesyonel seviyede yazılı, sözlü ve iş grafikleri formatında iletebilme yeteneği kazanır.
9	Bilimsel yayın yapabilme yeteneği kazanır.
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)	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