YAPAY ZEKA

Ders Açıklaması

Yapay Zeka dersi, insan zekâsına özgü olan, plan yapma, öğrenme, düşünme, fikir yürütme, sorun çözme ve çevresiyle etkileşim kurabilme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergilemesi beklenen sistemleri tasarlamak için gerekli olan metodları (araçları) sunar. Ders, yapay zeka'nın (AI) temel bileşenlerini, yapay zeka mimarisini, problem çözmede kullanılan yapay zeka tekniklerini, istenilen hedeflere ulaşmada uygun arama yöntemlerini, ve çeşitli teknikler kullanılarak bilgi gösterimini anlatmaktatdır. İçerdiği konular şunlardır: Problem çözme yöntemleri. Bilgiye dayanmayan arama stratejileri. Bilgiye dayanan arama stratejileri. Bilgi gösterimi. Mantıksal çıkarım. Önerme mantığı. Birinci-sıra mantık. Ders kapsamında incelenen yapay zeka algoritmaları bilgisayar programları ile simüle edilmekte ve öğrenciler ders projesi hazırlamaktadır.

YAPAY ZEKA

Değerlendirme Araçları (Aktif Dönem)

Değerlendirme öğesi tanımlanmamış.

Ders çıktıları

1. 01 gain an understanding of the key components of the artificial intelligence (AI)
2. 02 gain an understanding of the agent-based AI architecture
3. 03 apply artificial intelligence techniques and classifiers in solving problems of a particular domain
4. 04 implement basic learning algorithms in machine learning
5. 05 represent knowledge using various techniques

Ders Müfredatı

Referans Kitaplar & Ders Materyalleri

1. 01 S. Russell, P. Norvig, "Artificial Intelligence: A Modern Approach", Prentice-Hall, 2003.
2. 02 Simon Haykin, Neural Networks: A Comprehensive Foundation 2nd Ed. Prentice Hall PTR Upper Saddle River, NJ, USA ©1998 ISBN:0132733501

Ders Çıktıları

Öğrenme çıktısı tanımlanmamış.

Program Çıktıları

1. P01 Gerçek yaşam durumlarındaki zorluklara veri bilimi ilke ve tekniklerini uygulayabilir ve çözümlerini etkin bir şekilde iletebilirler.
2. P02 Teorik fikirlere, etik koda ve temel verilere ilişkin derinlemesine bilgiye dayalı veri analizi metodolojilerini belirleyebilir ve uygulayabilirler.
3. P03 Gerçek hayattaki uygulamalarda bilgi analizi için yol gösterici kavramları ve değerlendirme prosedürlerini analiz edebilirler.
4. P04 İşle ilgili sorunlara belirsiz çözümler bulmak için ilgili veri analizi modellerini tasarlayabilir ve uygulayabilirler.
5. P05 Paralel ve dağıtılmış bilgi işlem ve makine öğrenimi gibi büyük miktarda veriyle karakterize edilen gerçek dünya sorunlarını ele almak için modern bilgi işlem tekniklerinden yararlanabilirler.
6. P06 Her boyuttaki yapılandırılmış ve yapılandırılmamış veri kümesinden kullanılabilir bilgileri verimli bir şekilde üretmek için gereken yazılım araçlarını yapılandırabilir ve yönetebilirler.
7. P07 Karmaşık verilerden yararlı bilgiler elde etmeyi amaçlayan projeleri organize etmek ve tamamlamak için veri bilimi araçlarını ve tekniklerini yönetebilirler.
8. P08 Gerçek dünyadaki sorunları çeşitli açılardan kavrayarak eleştirel ve yaratıcı düşünebilirler ve sorunları işbirliği içinde çözmek için çeşitli ekiplerde çalışabilirler.
9. P09 Veri tabanlı çözümleri kullanıcı ortamına etkin bir şekilde entegre edebilme ve teknik olmayan profesyonellere bu çözümleri keşfetme, görselleştirme ve kullanma konusunda yardımcı olabilirler.
10. P10 Veri sahipliği ve atıf, veri güvenliği ve hassasiyeti ve veri analizinin mahremiyet üzerindeki etkileri gibi konularda mesleki ve etik standartlar kapsamındaki yükümlülüklerini anlayabilirler.

Pç-Dç Matrisi

PÇ-ÖÇ matrisi henüz doldurulmamış.