İçeriğe geç
Toros Üniversitesi

BLP117

AKILLI SİSTEMLER

Bilgisayar Programcılığı
Ders bilgi paketini indir PDF Excel Word XML CSV
Yarıyıl
1
Türü
Zorunlu
Teori / Uygulama / Lab.
3 / 0 / 0
AKTS
4
Öğretim düzeyi
Ön Lisans
Öğretim türü
Birinci Öğretim
Öğretim elemanı
Öğr. Gör. Osman VİLLİ

Dersin amacı

Bu dersin amacı, öğrencilere yapay zekânın temel kavramlarını öğretmek ve günlük hayatta karşılaşılan problemlerin yapay zeka teknikleri ile nasıl çözülebileceğini göstermektir. Ders kapsamında öğrencilerin; Yapay zekâ ve makine öğrenmesinin temel prensiplerini anlaması, Veri, model, algoritma gibi temel kavramları öğrenmesi, Basit yapay zeka algoritmalarının çalışma mantığını kavraması, Günlük hayattaki problemlerin yapay zeka ile çözülüp çözülemeyeceğini analiz edebilmesi, Yapay zekanın kullanım alanlarını ve uygulamalarını tanıması amaçlanmaktadır.

Dersin içeriği

Yapay zekaya giriş ve temel kavramlar Yapay zekanın kullanım alanları Veri, veri seti ve model kavramı Makine öğrenmesi ve öğrenme türleri Gözetimli öğrenme Lineer regresyon yöntemi K-Nearest Neighbor (KNN) algoritması Öneri sistemleri Bulanık mantık Genetik algoritmalar Yapay zeka sistemlerinin geliştirme aşamaları Günlük hayatta yapay zeka uygulamaları

Kaynaklar

Yapay Zeka - Kuramdan Uygulamaya - Nobel Akademik Yayıncılık Geleceği Şekillendiren Teknoloji - Yapay Zeka - Nobel Akademik Yayincilik

Öğrenme çıktıları

  1. 1 Yapay zekanın temel kavramlarını açıklayabilir.
  2. 2 Yapay zeka ile klasik algoritmik problemlerin farkını ayırt edebilir.
  3. 3 Makine öğrenmesi kavramını ve öğrenme türlerini açıklayabilir.
  4. 4 Lineer regresyon ve KNN gibi temel algoritmaların çalışma mantığını açıklayabilir.
  5. 5 Yapay zeka sistemlerinin geliştirme aşamalarını sıralayabilir.
  6. 6 Günlük hayattaki problemlerin yapay zeka ile çözülüp çözülemeyeceğini analiz edebilir.
  7. 7 Genetik algoritma ve bulanık mantık gibi yöntemlerin temel prensiplerini açıklayabilir.
  8. 8 Yapay zekanın farklı uygulama alanlarını örneklerle açıklayabilir.

Haftalık konular

1. hafta Yapay zekaya giriş ve temel kavramlar
2. hafta Yapay zekanın tarihçesi ve kullanım alanları
3. hafta Veri, veri seti, model ve algoritma kavramları
4. hafta Makine öğrenmesine giriş
5. hafta Denetimli Öğrenme
6. hafta Denetimsiz Öğrenme
7. hafta Ara Sınav
8. hafta Pekiştirmeli Öğrenme
9. hafta Lineer regresyon algoritması
10. hafta K-Nearest Neighbor (KNN) algoritması
11. hafta Öneri sistemleri ve kullanım alanları
12. hafta Bulanık mantık ve uygulamaları
13. hafta Genetik algoritmalar
14. hafta Final Sınavı

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri

  • Ara Sınav %100

Yarıyıl (Yıl) Sonu Etkinlikleri

  • Yarıyıl Sonu Sınavı %100

Yarıyıl(yıl) içi etkinliklerin ve yarıyıl(yıl) sonu sınavının başarı notuna katkısı

  • Yarıyıl (Yıl) İçi Etkinlikleri %40
  • Yarıyıl (Yıl) Sonu Etkinlikleri %60

AKTS iş yükü

Etkinlik Sayı Süre (saat) Toplam (saat)
Ara Sınav 1 8 8
Ara Sınav İçin Bireysel Çalışma 1 8 8
Beyin Fırtınası 14 3 42
Bütünleme Sınavı 1 5 5
Rapor Hazırlama 1 30 30
Rapor 1 10 10
Toplam iş yükü / AKTS 103 saat · 3,43 AKTS

Çerez ayarları

Hangi çerezlere izin verdiğinizi seçin; tercihinizi istediğiniz zaman sayfanın altındaki "Çerez ayarları" bağlantısından değiştirebilirsiniz.