Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
---|---|---|---|---|---|---|
EDOT314 | Oyun Üretiminde Yapay Zeka | Seçmeli Ders Grubu | 3 | 6 | 6.00 | 3.00 |
Lisans
Bu dersin amacı, öğrencilere dijital oyunlarda Yapay Zeka (YZ) sistemlerinin tasarım, geliştirme ve uygulanma prensiplerini öğretmektir. Öğrenciler, oyun karakteri davranışları, karar verme mekanizmaları, yol bulma (pathfinding) ve prosedürel içerik üretimi gibi YZ uygulamalarını öğrenerek pratik beceriler kazanır.
Dr. Öğr. Üyesi Hamdi Arslan
1 | Oyun YZ'sinin temel kavramlarını ve mimarilerini açıklayabilir. |
2 | Oyun karakterleri için durum makineleri ve davranış ağaçları tasarlayabilir. |
3 | Farklı oyun haritalarına uygun yol bulma (pathfinding) algoritmalarını uygulayabilir. |
4 | Oyun ortamlarında prosedürel içerik (seviye/harita/görev) üreten YZ sistemleri geliştirebilir. |
5 | Öğrenme tabanlı YZ (örneğin takviyeli öğrenme) yöntemlerinin oyunlardaki potansiyelini değerlendirebilir. |
6 | Bir oyun motoru kullanarak uygulamalı YZ prototipleri geliştirebilir. |
Birinci Öğretim
Yok
Yok
Bu ders; Oyun YZ'si temelleri, durum makineleri, davranış ağaçları, yol bulma algoritmaları (A, Dijkstra), yapay yaşam simülasyonları, öğrenme tabanlı YZ uygulamaları ve prosedürel içerik üretimi (PCG) konularını kapsar. Popüler oyun motorları üzerinden uygulamalı YZ prototipleri geliştirilir.
Hafta | Teorik | Uygulama | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
---|---|---|---|---|
1 | Giriş: Oyun YZ'si nedir? Tarihçesi, YZ'nin oyun tasarımındaki rolü ve başarılı örneklerin incelenmesi. | |||
2 | Temel YZ Mimarileri: Durum Makineleri (State Machines) ve uygulamaları (atölye çalışması). | |||
3 | Karar Verme Mekanizmaları: Davranış Ağaçları (Behavior Trees) ve Hiyerarşik Durum Makineleri (örnekleme). | |||
4 | Yol Bulma Temelleri: Arama algoritmaları (BFS, DFS, Dijkstra) ve Uygulamalı Yol Bulma Senaryoları. | |||
5 | Gelişmiş Yol Bulma: A* ve Hiyerarşik Yol Bulma (HPA) teknikleri (uygulamalı vaka analizi). | |||
6 | Sürü Davranışları (Flocking): Boids algoritması ve kalabalık simülasyonları. | |||
7 | Gelişmiş Karar Mekanizmaları: Amaç Odaklı Planlama (Goal-Oriented Action Planning - GOAP) ve uygulama. | |||
8 | Ara Proje | |||
9 | Prosedürel İçerik Üretimi (PCG): PCG'nin temelleri ve oyun dünyasında kullanımı (grup çalışması). | |||
10 | PCG Uygulamaları: Seviye tasarımı ve harita üretimi için YZ algoritmaları (uygulamalı simülasyon). | |||
11 | Öğrenme Tabanlı YZ'ye Giriş: Pekiştirmeli Öğrenme (Reinforcement Learning) ve oyun içi ajan eğitimi. | |||
12 | Grup Projesi Çalışması: Seçilen bir oyun motorunda karmaşık bir YZ sistemi geliştirme. | |||
13 | Grup Projelerinin Test Edilmesi ve Geri Bildirim Oturumu: Geliştirilen YZ'lerin performansı ve davranışları. | |||
14 | Final Proje Sunumları |
Ian Millington, Artificial Intelligence for Games (Morgan Kaufmann) Mat Buckland, Programming Game AI by Example (Wordware Publishing) Georgios N. Yannakakis ve Julian Togelius, Artificial Intelligence and Games (Springer)
Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
---|---|---|
Ara Sınav İçin Bireysel Çalışma | 1 | 100 |
Toplam | 100 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
Final Sınavı için Bireysel Çalışma | 1 | 100 |
Toplam | 100 | |
Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Derse Katılım | 14 | 2 | 28 |
Ara Sınav İçin Bireysel Çalışma | 1 | 60 | 60 |
Final Sınavı içiin Bireysel Çalışma | 1 | 60 | 60 |
Toplam İş Yükü (saat) | 148 |
ÖÇ 1 |
ÖÇ 2 |
ÖÇ 3 |
ÖÇ 4 |
ÖÇ 5 |
ÖÇ 6 |