| 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 kaynakları olarak veri ve içeriğin ortak yorumlanması için (yarı) otomatikleştirilmiş yöntemler |
| 2. Bilgi çıkarma, mühendislik ve bağlamanın temelleri, verileri makine sorgulamasına ve otomatik akıl yürütmeye uygun hale getirme. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Knowledge engineering is a field within artificial intelligence that develops knowledge-based systems. Such systems are computer programs that contain knowledge, rules and reasoning mechanisms to provide solutions to real-world problems. The main goal in this course is to provide skills necessary to design and implement expert systems which use domain-specific knowledge in order to solve non-trivial problems in specialized domains.
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. |
| |
| 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: |
| Mainly lectures will be used in conducting the course. Homework assignments and a term project will be used to encourage students to investigate certain topics in more detail. |
| |
| 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 |