GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| YZM519 | Yapay Zeka | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, öğrencilere yapay zekanın temel kavramlarını, yöntemlerini ve uygulamalarını öğretmek; problemleri yapay zeka teknikleriyle çözme becerisi kazandırmaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Öğrenci, yapay zekanın temel kavramlarını ve algoritmalarını tanımlar ve açıklar. |
| 2 | Öğrenci, farklı yapay zeka yöntemlerini kullanarak problemlere çözüm önerileri geliştirebilir. |
| 3 | Öğrenci, yapay zekanın etik ve sosyal etkilerini değerlendirebilir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
İstatistiksel Yapay Öğrenme Temel Programlama Matematiksel Temeller (Lineer Cebir, Olasılık)
Ders İçin Önerilen Diğer Hususlar
Programlama dillerine (Python, Java vb.) hakimiyet önerilir. Matematiksel temel bilgilerin güncel tutulması faydalıdır. Proje bazlı öğrenme ve takım çalışması desteklenir.
Dersin İçeriği
Yapay zekanın tanımı ve tarihçesi Arama algoritmaları ve optimizasyon Bilgi temsili ve çıkarımı Mantıksal programlama Öğrenme yöntemleri (gözetimli, gözetimsiz, pekiştirmeli öğrenme) Doğal dil işleme ve görüntü işleme Robotik ve otonom sistemler Yapay zeka etiği ve sosyal etkileri
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Yapay Zekanın Tanımı ve Tarihçesi | Ders anlatımı ve tartışma | Yapay zeka ile ilgili genel okumalar |
| 2 | Arama Algoritmaları | Algoritma analizi ve uygulama | Temel algoritma bilgisi |
| 3 | Bilgi Temsili | Kavramsal anlatım ve örnekler | Mantık ve küme teorisi bilgisi |
| 4 | Mantıksal Çıkarım | Problemler ve çözüm yolları | Önceki derslerde mantık kavramları |
| 5 | Gözetimli Öğrenme | Teorik anlatım ve uygulama | İstatistik ve olasılık temelleri |
| 6 | Gözetimsiz Öğrenme | Grup çalışmaları ve uygulamalar | Veri analizi temel bilgisi |
| 7 | Pekiştirmeli Öğrenme | Simülasyon ve modelleme | Temel programlama ve matematik |
| 8 | Doğal Dil İşleme | Proje tabanlı öğrenme | Dilbilim ve programlama temeli |
| 9 | Görüntü İşleme | Laboratuvar çalışmaları | Matematiksel görüntü analizi |
| 10 | Robotik ve Otonom Sistemler | Uygulamalı gösterim ve projeler | Mekanik ve kontrol sistemleri bilgisi |
| 11 | Yapay Sinir Ağları | Kodlama ve simülasyon | Lineer cebir ve istatistik |
| 12 | Derin Öğrenme Temelleri | Teorik anlatım ve uygulama | Sinir ağları ve optimizasyon teknikleri |
| 13 | Yapay Zeka Etikleri | Tartışma ve vaka incelemesi | Temel etik kavramları |
| 14 | Yapay Zekanın Sosyal Etkileri | Makale incelemesi ve sunum | Güncel haberler ve literatür |
| 15 | Proje Sunumu ve Değerlendirme | Öğrenci sunumları ve geri bildirim | Proje raporu ve kodlarının hazırlanması |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 72 | 72 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 76 | 76 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek