| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Mekatronik Mühendisleri için Yapay Zeka | MECE 566 | 5 | 11 | 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.
|
| |
| 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 |