| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Bilgi Mühendisliği | CENG 468 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Bilgi çıkarma, mühendislik ve bağlamanın temelleri, verileri makine sorgulamasına ve otomatik akıl yürütmeye uygun hale getirme. |
| 2. Akıllı sistemlerde bilgi grafikleri ve ontolojilerin yapısını ve uygulamalarını tanımlayabilecektir. |
| 3. Bilgi tabanlı sistemler oluşturmak için uzman sistem geliştirme araçlarını, kabuklarını ve ortamlarını seçmek ve kullanmak. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bilgi mühendisliği, yapay zeka içinde bilgi tabanlı sistemler geliştiren bir alandır. Bu tür sistemler, gerçek dünya problemlerine çözüm sağlamak için bilgi, kural ve muhakeme mekanizmalarını içeren bilgisayar programlarıdır. Bu dersin temel amacı, uzmanlık alanlarında önemsiz olmayan sorunları çözmek için alana özgü bilgileri kullanan uzman sistemleri tasarlamak ve uygulamak için gerekli becerileri sağlamaktır. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrenciler, ödevler ve projeler de dahil olmak üzere ders çalışmalarını desteklemek için üretken yapay zeka araçlarını kullanmaya teşvik edilmektedir. Bu araçlar teorik kavramların analiz edilmesine, pratik sonuçların değerlendirilmesine ve problem çözme becerilerinin geliştirilmesine yardımcı olabilir. Ancak, bu araçlar bağımsız çalışmanın yerine geçecek araçlar olarak görülmelidir. Bu tür araçlar yanıltıcı bilgiler üretebileceğinden veya var olmayan kaynaklara atıfta bulunabileceğinden, öğrenciler yapay zeka tarafından oluşturulan içeriği eleştirel bir şekilde değerlendirmelidir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Yapay Zekaya Genel Bakış |
| 2 | Bilgi çizgeleri ve ontolojiler |
| 3 | OWL, RDF, SPARQL |
| 4 | Ontoloji tasarım metodolojileri |
| 5 | İçsel ve Dışsal Modelleme |
| 6 | Ontoloji tasarım kalıpları |
| 7 | Arasınav |
| 8 | Çıkarım; İleri Zincirleme |
| 9 | Geriye Doğru Zincirleme ve Karma Zincirleme |
| 10 | Uzman Sistem Oluşturma Araçları, Geliştirme Dilleri, Kabuklar, Ortamlar |
| 11 | Belirsizlik; Kesinlik Faktörleri, Bayesçi, Bulanık mantık tabanlı, Dempster-Shafer |
| 12 | Uzman Sistemlerde Otomatik Bilgi Edinme, Makine Öğrenimi Yaklaşımları |
| 13 | Kural ve Karar Ağacları ve Tümevarım. |
| 14 | Gözden Geçirme |
| |
| Kaynaklar: |
| Notes and slides provided by the teacher.
Hitzler, P., Gangemi, A., & Janowicz, K. (2016). Ontology Engineering with Ontology Design Patterns. Amsterdam: IOS Press.
P.A. Bonatti, S. Decker, A. Polleres, V. Presutti, Knowledge graphs: new directions for knowledge representation on the Semantic Web (dagstuhl seminar 18371). Dagstuhl Rep. 8(9), 29–111 (2019) |
| |
| Diğer Kaynaklar: |
| Joseph Giarratano and Gary Riley. Expert Systems-Principles and Programming. PWS Publishing Company. |
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersin yürütülmesinde ağırlıklı olarak ders anlatımı kullanılacaktır. Öğrencileri belirli konuları daha detaylı araştırmaya teşvik etmek için ev ödevleri ve bir dönem projesi kullanılacaktır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 3 | %15 |
| Ara Sınav | 1 | %25 |
| Proje | 1 | %30 |
| Final Sınavı | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 3 |
| 2 | Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | 3 |
| 3 | Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | 3 |
| 4 | Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | 3 |
| 5 | Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | 2 |
| 6 | Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 0 |
| 7 | Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | 0 |
| 8 | Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | 0 |
| 9 | Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | 0 |
| 10 | Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık. | 0 |
| 11 | Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | 0 |