LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Biyomühendislik Yüksek Lisans Programı (Tezli)
CE 533 | Ders Tanıtım Bilgileri
| Dersin Adı |
Yapay Zeka
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
CE 533
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
| Ön-Koşul(lar) |
Yok
|
|||||
| Dersin Dili |
İngilizce
|
|||||
| Dersin Türü |
Seçmeli
|
|||||
| Dersin Düzeyi |
Yüksek Lisans
|
|||||
| Dersin Veriliş Şekli | - | |||||
| Dersin Öğretim Yöntem ve Teknikleri | Problem çözmeSoru & CevapKritik vermeAnlatım / Sunum | |||||
| Dersin Koordinatörü | ||||||
| Öğretim Eleman(lar)ı | ||||||
| Yardımcı(ları) | - | |||||
| Dersin Amacı | Yapay Zeka, zeki davranışta hesaplamalı çalışmaya yöneliktir. Yapay zeka alanlarının hepsindeki ortak esas, “düşünebilen” etmenler/makinalar oluşturmaktır. Bu ders, etmenlerin/bilgisayarların akıllı davranmasına olanak tanıyan yöntemlere (problem çözme, bilgiyi temsil etme, muhakeme, öğrenme, algılama ve yorumlama) ilişkin geniş bir teknik giriş içermektedir. Dersin büyük bir bölümünde bu yöntemlerdeki çeşitlilikler yansıtılmaktadır. Derste, temel yapay zeka soruları ve unsurları incelenecek ve ana teknikler araştırılacaktır. Özel konular başlığı altında farklı yapay zeka uygulamaları tanıtılacaktır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Akıllı Etmenler; Problem çözme ve Arama: düzenli ve sezgisel arama, A*, yerel arama ve optimizasyon; Kısıt sağlama problemleri; Oyun oynama ve rekabet ortamında arama; Mantıksal muhakeme. Önerme mantığı. Birinci seviye mantık. Birinci seviye mantıkta çıkarsama; Planlama; Belirsizlik altında muhakeme. Bayes kuralı. İnanç ağları. Karar vermek için inançları kullanma. İnançları öğrenme; Pekiştirmeli Öğrenme |
|
|
Temel Ders | |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
| Hafta | Konular | Ön Hazırlık |
| 1 | Giriş | Ünite 1 |
| 2 | Akıllı Etmenler | Ünite 2 |
| 3 | Problem Çözme ve Arama | Ünite 3 |
| 4 | Yerel Arama | Ünite 4 |
| 5 | Rekabet Ortamında Arama | Ünite 5 |
| 6 | Kısıt Sağlama Problemleri | Ünite 6 |
| 7 | Mantıksal Etmenler, Önerme Mantığı | Ünite 7 |
| 8 | Birinci Seviye Mantık | Ünite 8 |
| 9 | Birinci Seviye Mantıkta Çıkarsama | Ünite 9 |
| 10 | Planlama | Ünite 10 |
| 11 | Belirsizlik Altında Muhakeme | Ünite 13 & 14 |
| 12 | Öğrenme | Ünite 18 |
| 13 | Pekiştirmeli Öğrenme | Ünite 21 |
| 14 | Pekiştirmeli Öğrenme | Ünite 21 |
| 15 | Paper Presentations | |
| 16 | Final Review |
| Ders Kitabı | S.Russell, P.Norvig, Artificial Intelligence: A Modern Approach, 3rd Edition, Prentice Hall, 2010 |
| Önerilen Okumalar/Materyaller | Nick Bostrom, Superintelligence: Paths, Dangers, Strategies |
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | ||
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev |
3
|
15
|
| Sunum / Jüri Önünde Sunum |
1
|
25
|
| Proje | ||
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav |
1
|
20
|
| Final Sınavı |
1
|
40
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
5
|
60
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
| Toplam |
AKTS / İŞ YÜKÜ TABLOSU
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
3
|
48
|
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
0
|
|
| Sınıf Dışı Ders Çalışması |
15
|
4
|
60
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
0
|
||
| Portfolyo |
0
|
||
| Ödev |
3
|
10
|
30
|
| Sunum / Jüri Önünde Sunum |
1
|
12
|
12
|
| Proje |
0
|
||
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
1
|
35
|
35
|
| Final Sınavı |
1
|
40
|
40
|
| Toplam |
225
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Matematik, Fen Bilimleri, Biyomühendislik konularında yeterli bilgi birikimine sahiptir; bu alanlardaki kuramsal ve uygulamalı bilgileri çeşitli Biyomühendislik problemlerini modelleme ve çözme amacıyla kullanır. |
|||||
| 2 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; ilgili disiplinlere ait bilgileri bir arada kullanır. |
|||||
| 3 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri çözer. |
|||||
| 4 | Doğa bilimleri ve Biyomühendislik temellerini kullanarak sistem, ekipman veya süreç tasarımı gerçekleştirir. |
|||||
| 5 | Biyomühendislik alanındaki yeni gelişmeleri takip ve teknolojileri takip eder ve kullanır. |
|||||
| 6 | Biyomühendislik disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. |
|||||
| 7 | Biyomühendislik uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların profesyonel iş yaşamına getirdiği kısıtların farkındadır. |
|||||
| 8 | Biyomühendislik alanı ile ilgili verilerin toplanması, yorumlanması, yayımı ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. |
|||||
| 9 | Biyomühendislik alanı ile ilgili kıstaslara uygun, özgün bir tez/dönem projesi hazırlar. |
|||||
| 10 | Bir yabancı dili kullanarak Biyomühendislik alanı ile ilgili bilgileri takip eder ve akademik ortamlarda tartışmalara katılır. |
|||||
| 11 | Edindiği bilgi, beceri ve yetkinlikleri evrensel ve toplumsal amaçları doğrultusunda geliştirir. |
|||||
| 12 | Biyomühendislik alanında bölgesel ve küresel konuları/sorunları tanımlar, kanıtlara ve araştırmalara dayalı çözüm önerileri geliştirir. |
|||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest