PROGRAMI
DERS TANITIM VE UYGULAMA BİLGİLERİ

Ders AdıKoduVerildiği YılVerildiği YarıyılSüresi (T+U)Yerel KredisiAKTS Kredisi
Mekatronik Mühendisliği için Yapay ZekaMECE 304323 + 034,00
 
Ders Bilgileri
Dersin Öğretim Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Veriliş BiçimiYüz 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 DerslerYok
Daha Önce Alınmış Olması Önerilen DerslerYok
 
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.
 
Üretken Yapay Zeka Kullanımı:

Ders yapay zeka uygulamalarını içeren özel bir derstir
 
Dersin İçeriği (Haftalık Konu Dağılımı):
 
HaftaKonu
1Giriş: Yapay Zeka Nedir? Etkenler ve Ortamlar
2Ortamların Doğası,
3Etkenlerin Yapısı: Etken programları, Basit refleks etmenleri, Model tabanlı refleks etmenleri, Hedef tabanlı etmenler, Fayda tabanlı etmenler, Öğrenme etmenleri,
4Arama ile Sorunları Çözme, Çözüm Arama
5Bilgisiz Arama Stratejileri, Bilgili (Sezgisel) Arama Stratejileri,
6Bilgi Tabanlı Etkenler, Muhakeme
7Gelişmiş Arama Stratejileri, Birinci Dereceden Mantık, Basit Kararlar Alma
8Öğrenme, Gözetimli Öğrenme, Gözetimsiz Öğrenme
9Güçlendirme Öğrenmesi
10Optimizasyonun tanımı, Temel optimizasyon yöntemleri,
11Sinir Ağları
12Genetik Algoritmalar
13Genetik Programlama
14Bulanık 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:
YöntemAdetKatkı (%)
Midterm Exam1%20
Final Sınavı1%30
Project3%50
 
Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu?
Gerektirmiyor
 
Dersin AKTS İş Yükü:
#AktiviteAdetSüre (Saat)İş Yükü
1Derslere Katılım (haftalık bazda)143,0042,00
2Laboratuvarlara/Derslere Katılım (haftalık bazda)00,000,00
3Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda)140,507,00
4İlgili materyalin toplanması ve seçilmesi (bir kez)11,001,00
5İlgili materyalin kendi kendine incelenmesi (haftalık bazda)140,507,00
6Ev ödevleri00,000,00
7Sınavlara Hazırlık00,000,00
8Ara Sınavlara Hazırlık (Sınavların süresi dahil)18,008,00
9Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil)00,000,00
10Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil)39,0027,00
11Final Sınavına Hazırlık (sınav süresi dahil)18,008,00
 
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
#Program YeterlilikleriKatkı (0-4)
1Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi.2
2Bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.0
3Karmaşık 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.0
4Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi. 3
5Karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi.3
6Karmaşık 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
7Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi.3
8Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi.0
9Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.0
10Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi.0
11Hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık.0
12Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi.0
13Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi.0
14Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi.0
15Girişimcilik ve yenilikçilik hakkında farkındalık.0
16Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi.0