| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Mekatronik Mühendisleri için Yapay Zeka | MECE 566 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Zorunlu |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Yapay Zeka kavramı anlatılacak |
| 2. Ajan yapıları anlatılacak. |
| 3. Öğrenme yapıları ve algoritmaları, sinir ağları, genetik algoritmalar ve bulanık mantık öğretilecek |
| 4. Öğretilen yöntem ve algoritmalar kullanılarak örnek problemler çözülecek. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders mekatronik mühendisliği için farklı yapay zeka çözümlerini kapsamlı bir şekilde içermektedir. Ana odak akıllı yazılım uygulamalarını yapay zeka temelinde tasarlamak olacaktır. Bu derste mekatronik problemlerinde mantıklı çözüm nedir ve nasıl canlı bir çözüm bulunur(amaç tabanlı problem çözme yeteneği ) konuları tartışılacaktır. Özellikle öğrenciler karar verme teorisi ve bir durum üzerinde tam veya eksik bilgi ile karar verme yeteneği için tasarlanan otonom yazılım ajanları veya zeki ara birimler geliştirmeyi öğrenecekler.
|
| |
Üretken Yapay Zeka Kullanımı:
Ders yapay zeka uygulamalarını içeren özel bir derstir |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş: Yapay Zeka Nedir? Etkenler ve Ortamlar |
| 2 | Ortamların Doğası, |
| 3 | Etkenlerin Yapısı: Etken programları, Basit refleks etmenleri, Model tabanlı refleks etmenleri, Hedef tabanlı etmenler, Fayda tabanlı etmenler, Öğrenme etmenleri, |
| 4 | Arama ile Sorunları Çözme, Çözüm Arama |
| 5 | Bilgisiz Arama Stratejileri, Bilgili (Sezgisel) Arama Stratejileri, |
| 6 | Bilgi Tabanlı Etkenler, Muhakeme |
| 7 | Gelişmiş Arama Stratejileri, Birinci Dereceden Mantık, Basit Kararlar Alma |
| 8 | Öğrenme, Gözetimli Öğrenme, Gözetimsiz Öğrenme |
| 9 | Güçlendirme Öğrenmesi |
| 10 | Optimizasyonun tanımı, Temel optimizasyon yöntemleri, |
| 11 | Sinir Ağları |
| 12 | Genetik Algoritmalar |
| 13 | Genetik Programlama |
| 14 | Bulanık Mantık. |
| |
| Kaynaklar: |
| S. Russell, and P. Norvig, Artificial Intelligence: A Modern Approach, Prentice-Hall 2010 978-0-13-604259-4
|
| |
| Diğer Kaynaklar: |
| M. Negnevitsky, Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley 2001 978-1408225745 |
| |
| Öğretim Yöntem ve Teknikleri: |
| Her hafta 3 saatlik teorik ders yapılacaktır.
- Öğrenciye 3 proje verilecektir. Proje MATLAB program kodu yazmakla ilgili olacaktır. Proje 3 veya 4 kişilik bir grup tarafından yürütülecektir.
- 1 ara sınav ve 1 final sınavı yapılacaktır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %20 |
| Final Sınavı | 1 | %30 |
| Proje | 3 | %50 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Mekatronik Mühendisliği ile ilgili matematik, mühendislik ve disiplinler arası konularda bilgi; mekanik, elektronik, kontrol sistemleri ve yazılım alanlarında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgi üretir, değerlendirir, yorumlar ve tez yazabilir. | 1 |
| 2 | Mekatronik mühendisliğinde kullanılan güncel teknikler ve yöntemler (IoT, Endüstri 4.0, yapay zeka tabanlı kontrol sistemleri, robotik, sensör füzyonu, gömülü sistemler) hakkında kapsamlı bilgi sahibidir; bu teknikleri karmaşık mekatronik mühendisliği problemlerine uygulama yeteneği. | 4 |
| 3 | Mekatronik Mühendisliği alanı ile ilgili çok disiplinli problemleri tanımlama ve formüle etme yeteneği, bunları çözmek için entegre çözümler geliştirme ve çözümlerde yenilikçi, sürdürülebilir ve akıllı sistem yaklaşımlarını uygulama yeteneği. | 4 |
| 4 | Mekatronik Mühendisliği'nde karşılaşılan karmaşık problemleri analiz etmek ve çözmek için gereken modern teknikleri (simülasyon yazılımları, CAD/CAE araçları, MATLAB/Simulink, Labview programlama, mikroişlemci/mikrodenetleyici tabanlı sistemler) ve araçları seçme ve kullanma yeteneği; bilgi teknolojilerini, yapay zeka ve makine öğrenmesi araçlarını etkili bir şekilde kullanma yeteneği. | 4 |
| 5 | Karmaşık mekatronik sistemler veya süreçler (otonom sistemler, akıllı üretim sistemleri, robotik uygulamalar, sensör-aktüatör entegrasyonu) tasarlama ve yenilikçi, enerji verimli alternatifler geliştirme yeteneği. | 4 |
| 6 | Mekatronik sistemler için deney tasarlama ve yürütme, sensör verilerini toplama ve işleme, sistem davranışını modelleme ve simüle etme, veri analizi yapma ve Mekatronik Mühendisliği ile ilgili karmaşık problemlerle ilgili sonuçları yorumlama yeteneği. | 4 |
| 7 | Disipliniçi ve çok disiplinli (mekanik, elektrik-elektronik, yazılım, kontrol) takımlarda etkili iletişim kurarak çalışma, bağımsız araştırma yürütme ve proje ekiplerini yönetme yeteneği.
| 4 |
| 8 | Avrupa Dil Portföyü'nün B2 seviyesinde en az bir yabancı dil bilgisi (özellikle İngilizce); teknik rapor ve makale yazma yeteneği, uluslararası ortamlarda net ve anlaşılır teknik dokümantasyon hazırlama, sunum yapma ve mesleki iletişim kurma yeteneği. | 2 |
| 9 | Araştırma ve uygulama çalışmalarının sürecini ve sonuçlarını ulusal ve uluslararası ortamlarda (konferanslar, sempozyumlar, bilimsel dergiler) sistemli ve açık bir şekilde yazılı (makale, poster, teknik rapor) ve sözlü olarak sunabilme yeteneği. | 2 |
| 10 | Ömür boyu öğrenme ihtiyacının farkında olma; hızla gelişen teknolojilere (dijital dönüşüm, Endüstri 5.0, sürdürülebilir teknolojiler, yapay zeka) adapte olma, bilgiye erişme, bilim ve teknolojideki en son gelişmeleri takip etme ve sürekli güncel kalma yeteneği. | 4 |
| 11 | Veri toplama, sistem entegrasyonu, tartışma, sunum aşamalarında ve tüm mesleki faaliyetlerde sosyal, bilimsel, etik değerler ve siber güvenlik konularında farkındalık; teknolojinin toplumsal ve çevresel etkilerine duyarlılık. | 3 |