| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Yapay Zeka | İVA 525 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Ders genel olarak yapay zekanın temel ilkelerini, tekniklerini ve uygulamalarını tanıtmayı amaçlamaktadır. Derste yapay zekâ tarihi, evrimi ve farklı endüstriler üzerindeki mevcut ve potansiyel etkileri anlatılacaktır. Ders oyunlar, uzman sistemler, yapay sinir ağları ve makine öğrenimi gibi konuları kapsamaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
Sınıfta bazı örnekleri göstermek üzere kısıtlı olarak kullanılmaktadır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş, Yapay Zekanın Temelleri, Amaçları, Günümüz Yapay Zeka Araştırma ve Çalışma Alanları, Uygulamalar |
| 2 | Yapay Zekanın Kısa Tarihçesi, Soft Botlar (ChatGPT vb.), Turing Testi |
| 3 | Akıllı Etmenler, Etmen Tasarımı, Etmen Mimarileri |
| 4 | Problem Çözme ve Arama Yöntemleri |
| 5 | Bilgiye Dayanmayan Arama Yöntemleri, Bilgiye Dayanan Arama Yöntemleri |
| 6 | Oyunlar, Minimax Yöntemi, Alfa-Beta Budama |
| 7 | Mantıklı Etmenler |
| 8 | Kural-tabanlı Uzman Sistemler, Bilgi Edinimi |
| 9 | Bilgi Gösterimi, Çıkarım Mekanizmaları (İleri ve Geri Zincirleme Metotları) |
| 10 | Uzman Sistemlerde Belirsizlik Yönetimi, Bulanık Mantık ve Bulanık Uzman Sistemler |
| 11 | Yapay Sinir Ağları, Otomatik Bilgi Edinimi, Sinir Ağlarına Dayalı Uzman Sistemler |
| 12 | Yapay Öğrenmeye Giriş, Tümevarımsal Öğrenme, Yapay Öğrenme Çeşitleri ve Uygulamaları |
| 13 | Yapay Zeka Etiği ve Felsefesi |
| 14 | Yapay Zeka Güvenliği ve Yapay Zekanın Geleceği |
| |
| Kaynaklar: |
| S. Russell, and P. Norvig, Artificial Intelligence: A Modern Approach, 4th edition, Pearson, 2021, ISBN 978-1292401133. |
| |
| Diğer Kaynaklar: |
| W. Ertel, Introduction to Artificial Intelligence, 2nd edition, Springer-Verlag, 2017, ISBN 978-3319584867. |
| |
| Öğretim Yöntem ve Teknikleri: |
| Bu ders Yapay Zekâ konusunda temel bilgi sağlamayı hedeflemekte ve ayrıca tartışma ve etkileşimli oturumlar aracılığıyla konunun irdelenmesini amaçlamaktadır. Derse katılımın yansıra aktif katılım da beklenmektedir. Dönem sonunda verilecek notlar sınavlara, ödevlere ve dönem projelerine dayanmaktadır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Vize Sınavı | 1 | %25 |
| Final sınavı / Final | 1 | %25 |
| Ödevler | 2 | %10 |
| Dönem Ödevi ve Sunum | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Veri analitiği yöntem ve tekniklerinin kavramsal temellerine hâkim olmak | 0 |
| 2 | Temel programlama becerilerini geliştirmek ve istatistiksel problemleri çözmeye yardımcı yazılımları kullanacak teorik ve uygulama yetileri kazanmış olmak | 0 |
| 3 | Verileri kullanılabilir formata dönüştürebilmek ve probleme bağlı olarak veri analizi araçlarını kullanarak probleme uygun modelleme yapabilmek ve karar mekanizmasına destek verebilmek | 0 |
| 4 | Verilerden üretilen bilgileri problemlerin çözümünde kullanabilmek, sonuçları veri görselleştirme araçları yardımıyla sunabilmek ve uygulamaların çıktılarını yorumlamayabilmek ve raporlayabilmek | 0 |
| 5 | Veri analitiği ile ilgili problem çözme ve uygulama becerilerini, disiplinler arası çalışmalarda kullanabilmek | 0 |