Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
---|---|---|---|---|---|---|
OYPY275 | Yapay Zeka Teknolojileri | Seçmeli Ders Grubu | 2 | 3 | 4.00 | 3.00 |
Önlisans
Türkçe
Bu dersin amacı, öğrencilere yapay zeka (YZ) kavramı, temel algoritmaları ve günümüzde kullanılan yapay zeka teknolojileri hakkında temel düzeyde bilgi kazandırmaktır. Öğrencilerin; makine öğrenmesi, doğal dil işleme, görüntü tanıma ve yapay zeka uygulamalarını anlamaları, basit düzeyde algoritmalar geliştirebilmeleri ve bu teknolojilerin gerçek dünya problemlerine nasıl uygulandığını kavrayabilmeleri hedeflenmektedir.
Öğr. Gör. Nebiye Gedik
1 | Bu dersin sonunda öğrenci, Yapay zeka yaklaşımlarını tarihsel gelişimiyle ilişkilendirerek analiz eder. |
2 | Bu dersin sonunda öğrenci, Yapay zekâ ve algoritmaları hakkında bilgi sahibi olur. |
3 | Bu dersin sonunda öğrenci, Öğrenci makine öğrenmesi temellerini açıklar. |
4 | Bu dersin sonunda öğrenci, Farklı problem türleri için sınıflandırma, regresyon ve kümeleme algoritmalarını karşılaştırarak analiz eder. |
5 | Bu dersin sonunda öğrenci, Bir yapay zekâ algoritmasının performansını değerlendirebilir. |
Birinci Öğretim
Ön koşul bulunmamaktadır.
Yoktur
Yapay zeka kavramı ve tarihçesi, Zayıf ve güçlü yapay zeka kavramları, Yapay zekanın temel bileşenleri, Veri, veri türleri ve veri ön işleme, Makine öğrenmesi (supervised, unsupervised, reinforcement learning), Sınıflandırma ve regresyon problemleri, Temel algoritmalar (Karar ağaçları, k-en yakın komşu, Naive Bayes vb.), Doğal dil işleme (NLP) temel kavramları, Görüntü işleme ve yapay zeka uygulamaları, Derin öğrenmeye giriş (yüzeysel tanıtım), Yapay zeka araçları ve kütüphaneler, Günlük yaşamda yapay zekanın kullanımı (sağlık, finans, ulaşım, sosyal medya vb.), Etik, güvenlik ve yapay zekanın toplumsal etkileri, Basit yapay zeka projeleri ve uygulama örnekleri
Hafta | Teorik | Uygulama | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
---|---|---|---|---|
1 | Yapay Zekaya Giriş ve Tarihçesi, Alan Turing ve Turing Testi Yapay zeka türleri: Dar, Genel ve Süper zeka Zeka Türleri ve Matematiksel Temeller Gardner'ın çoklu zeka kuramı Akıl yürütme türleri: tümdengelim, tümevarım | |||
2 | Yapay Zekanın Bileşenleri ve Amaçları, Bilimsel, mühendislik ve eğitimdeki hedefleri, Disiplinlerarası yapısı Büyük Veri ve Veri Madenciliği Veri ambarı ve Veri gölü kavramları | |||
3 | Makine Öğrenmesine Giriş | |||
4 | Yapay Zekâ Tabanlı Problemlerin Modellenmesi: Sınıflandırma Algoritmaları. | |||
5 | Yapay Zekâ Tabanlı Problemlerin Modellenmesi: Regresyon Algoritmaları. | |||
6 | Veri Nedir? Veri Ön İşleme, Veri Manipülasyonu ve Performans Değerlendirme Metrikleri. | |||
7 | Python ile Temel AI Uygulamaları | |||
8 | Ara Sınav | |||
9 | Yapay Zekâ Tabanlı Problemlerin Modellenmesi: Kümeleme Algoritmaları. | |||
10 | Yapay Zekâ Proje Örnekleri: Gerçek hayatta uygulanmış projeler | |||
11 | Derin Öğrenmeye ve Yapay Sinir Ağlarına Giriş. | |||
12 | Doğal Dil İşlemeye Giriş. | |||
13 | Yapay Zekâ Uygulama Alanları | |||
14 | Final Sınavı |
Introduction to Machine Learning, Ethem Alpaydin, The MIT Press,2010 An Introduction to Neural Networks, Kevin Gurney , CRC press, 2018.
Yoktur
Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
---|---|---|
Ara Sınav | 1 | 70 |
Ev Ödevi | 1 | 30 |
Toplam | 100 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
Final Sınavı | 1 | 70 |
Proje Sunma | 1 | 30 |
Toplam | 100 | |
Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Ara Sınav | 1 | 1 | 1 |
Final Sınavı | 1 | 1 | 1 |
Uygulama/Pratik | 1 | 16 | 16 |
Örnek Vaka İncelemesi | 1 | 9 | 9 |
Beyin Fırtınası | 1 | 15 | 15 |
Ara Sınav İçin Bireysel Çalışma | 1 | 28 | 28 |
Final Sınavı içiin Bireysel Çalışma | 1 | 30 | 30 |
Toplam İş Yükü (saat) | 100 |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | |
ÖÇ 1 | 4 | 3 | |||||||||||
ÖÇ 2 | 4 | 3 | |||||||||||
ÖÇ 3 | 4 | 3 | |||||||||||
ÖÇ 4 | 4 | 3 | |||||||||||
ÖÇ 5 | 4 | 3 |