Bilgisayar Mühendisliği 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 çözme Soru & Cevap Kritik verme Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Alper Demir
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Alper Demir
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

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	yapay zeka alanında geniş bir yelpazede yer alan sorunları tartışabilecektir.
2	alandaki temel teknikleri kullanabilecek ve tartışabilecektir.
3	yapay zeka teknolojisinin potansiyel uygulamalarını değerlendirebilecektir.
4	yapay zeka yöntemleri ile çözülmeye uygun problemleri belirleyebilecek ve ilgili yöntemleri saptayabilecektir.
5	temel yapay zeka algoritmalarını (örn. Standart arama algoritmları) uygulayacabilecektir.

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

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri	X
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta	Konular	Ön Hazırlık	Öğrenme Çıktısı
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 %	LO 1	LO 2	LO 3	LO 4	LO 5
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

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Bilgisayar Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.		-	-	-	X	-
2	Bilgisayar Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.		-	-	-	X	-
3	Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir.		-	X	-	-	-
4	Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.		-	-	-	X	-
5	Bilgisayar Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.		-	-	X	-	-
6	Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.		-	-	-	-	-
7	Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.		-	-	X	-	-
8	Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır.		-	-	-	-	-
9	Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.		-	-	-	X	-
10	Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.		-	-	-	-	-
11	Bilgisayar Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların bilgisayar mühendisliği uygulamalarına getirdiği kısıtların farkındadır.		-	-	-	-	-
12	Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.		-	-	-	-	-