| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Mekatronik Mühendisliği için Yapay Zeka | MECE 304 | 3 | 2 | 3 + 0 | 3 | 4,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | 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:
Giriş: Yapay Zeka Nedir? Etkenler ve Ortamlar, Ortamların Doğası, Etkenlerin Yapısı: Etken programları, Basit refleks etmenleri, Model tabanlı refleks etmenleri, Hedef tabanlı etmenler, Fayda tabanlı etmenler, Öğrenme etmenleri, Arama ile Sorunları Çözme, Çözüm Arama, Bilgisiz Arama Stratejileri, Bilgili (Sezgisel) Arama Stratejileri, Bilgi Tabanlı Etkenler, Muhakeme, Gelişmiş Arama Stratejileri, Birinci Dereceden Mantık, Basit Kararlar Alma, Öğrenme, Gözetimli Öğrenme, Gözetimsiz Öğrenme, Güçlendirme Öğrenmesi, Optimizasyonun tanımı, Temel optimizasyon yöntemleri, Sinir Ağları, Genetik Algoritmalar, Genetik Programlama, Bulanık Mantık. |
| |
| 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 (%) |
| Midterm Exam | 1 | %20 |
| Final Sınavı | 1 | %30 |
| Project | 3 | %50 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |