GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 501008062023 | COMPUTATIONAL INTELLIGENCE AND DEEP LEARNING | Seçmeli Ders Grubu | 4 | 8 | 5,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
İngilizce
Dersin Amacı
Öğrencilere Yapay Sinir Ağları, Derin Öğrenme, Bulanık Mantık, Genetik Algoritmalar ve Sürü Zekası gibi İşlemsel Zeka ve Esnek Hesaplama tekniklerini; öğrenme yöntemlerini ve pratik uygulamalarını öğretmek; İşlemsel Zeka'nın bilgisayar mühendisliğindeki, bilgisayar bilimlerindeki ve yapay zeka alanındaki önemini göstermek.
Dersi Veren Öğretim Görevlisi/Görevlileri
Prof. Dr. Aybars UĞUR
Öğrenme Çıktıları
| 1 | İşlemsel Zeka ve Derin Öğrenmenin temel kavramlarını, tekniklerini, matematik ve yazılım altyapısını öğrenerek uygulayabilme yeteneği kazanmak. Bilgisayar mühendisliğindeki, bilgisayar bilimlerindeki ve yapay zeka alanındaki önemini kavramak. |
| 2 | Günümüzde çok kullanılan İşlemsel Zeka ve Derin Öğrenme kütüphanelerini / araçlarını tanımak, kullanabilme yeteneği kazanmak. Yeni programlama dillerinde (Java, C# gibi) Yapay Zeka kütüphaneleri oluşturmak için gerekli temel bilgileri elde etmek. Gerçek yaşamdan Eniyileme, Tahminleme, Sınıflandırma ve Tanıma gibi alanlarda projeler geliştirebilmek. |
| 3 | Zeki yazılımlar geliştirebilmek; makinelerin nasıl öğrenebildiğini anlamak; Etkin tasarımlar yapabilmek. |
| 4 | İşlemsel Zeka ve Derin Öğrenme alanlarında gelişen araştırma konularını takip edebilir duruma gelebilmek; Bu konuda kısa seminerler hazırlayarak sunum yapabilmek. Makine Öğrenmesi alanında makale okuma ve yazabilme deneyimi kazanmak. |
| 5 | Yapay Sinir Ağları ve Derin Öğrenme Modellerinin bileşenlerini açıklayabilme, bu yöntemleri problemlerin çözümünde kullanabilme. |
| 6 | Metasezgiler ve Bulanık Mantık gibi İşlemsel Zeka yöntemlerinin işleyişini açıklayabilmek ve bu yöntemleri problemlerin çözümünde kullanabilmek. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
İşlemsel Zeka, Yapay Zeka, Arama, Sezgisel Arama, Yerel Arama, Yapay Sinir Ağlarına Giriş, Yapay Sinir Hücresi, Yapay Sinir Ağlarının Yapısı ve Temel Elemanları, Makine Öğrenmesi, Öğreticili, Destekleyici ve Öğreticisiz Öğrenme, Tek Katmanlı Algılayıcılar, Çok Katmanlı Algılayıcılar (MLP), Diğer Yapay Sinir Ağı Modelleri, Derin Öğrenme, Yapay Sinir Ağlarının Uygulama Alanları, Nesne Tanıma, Bulanık Mantık, Genetik Algoritmalar, Sürü Zekası.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | İşlemsel Zeka, Esnek Hesaplama, Yapay Zeka: Makine Öğrenmesinin ve Derin Öğrenmenin Tanımı, Önemi, Amaçları, Konuları, Uygulama Alanları, Çalışma ve Araştırma Alanları. Yapay Zeka Dilleri. | ||
| 2 | Yapay Sinir Ağları’na (YSA) Giriş : YSA Kavramı. Yapay Sinir Ağlarının Önemi. YSA Yazılımları. Uygulama ve İş Alanları. Yapay Sinir Ağlarının Temelleri: Yapay Sinir Hücresi ve Bileşenleri. Etkinlik İşlevi Türleri. Biyolojik Sinir Hücresi. Biyolojik Sinir Sistemi. İnsan Beyni ile YSA’nın Karşılaştırılması. | ||
| 3 | Tek Katmanlı Algılayıcılar: Perceptron ve ADALINE Örnekleri. XOR Problemi ve Çok Katmanlı Modellere Duyulan Gereksinim. Çok Katmanlı Algılayıcılar (MLP). İleri Sürümlü Ağlar. Geri Yayılım. Makine Öğrenmesi. Öğreticili ve Öğreticisiz Öğrenme. YSA ile Tahminleme, Sınıflandırma ve Kümeleme. | ||
| 4 | Bulanık Mantık, Bulanık Küme, Bulanık Küme İşlemleri, Bulanık Çıkarsama Sistemi. | ||
| 5 | Genetik Algoritmalar, Çaprazlama, Mutasyon, Elitizm. | ||
| 6 | Sürü Zekası Algoritmaları. | ||
| 7 | Makine Öğrenmesi Algoritmaları, Derin Öğrenme Temel Bilgiler, Gözetimli Derin Öğrenme Modelleri. | ||
| 8 | Gözetimsiz ve Destekleyici Derin Öğrenme Modelleri, Yeni Derin Öğrenme Modelleri. | ||
| 9 | Arasınav | ||
| 10 | Sunumlar | ||
| 11 | Sunumlar | ||
| 12 | Sunumlar | ||
| 13 | Sunumlar | ||
| 14 | Sunumlar | ||
| 15 | Sunumlar | ||
| 16 | Final Sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Kaynaklar Prof. Dr. Ercan Öztemel, 2012, “Yapay Sinir Ağları”, Papatya Yayıncılık, 232s. Yardımcı Kitaplar Doç. Dr. Bahadır KARASULU, 2015, "Esnek Hesaplama", Nobel, 409 s. Russell, S.J. And Norvig, P., “Artificial Intelligence : A Modern Approach, Fourth Edition”, Pearson, 2020 (AIMA). Prof. Dr. Çetin Elmas, 2011, "Yapay Zeka Uygulamaları", 2. Baskı, Seçkin Yayıncılık, 425 s. Vasif Nabiyev , 2010, "Yapay Zeka: İnsan – Bilgisayar Etkileşimi", 3. baskı, 752 s., Seçkin, Ankara.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 66 |
| Ev Ödevi | 1 | 34 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 60 |
| Ev Ödevi | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 3 | 42 |
| Rapor Hazırlama | 2 | 5 | 10 |
| Proje Hazırlama | 2 | 18 | 36 |
| Seminer | 1 | 8 | 8 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 30 | 30 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | |
| ÖÇ 1 | 5 | 4 | 3 | 4 | 3 | ||||||
| ÖÇ 2 | 3 | 3 | 3 | 4 | 2 | 3 | 3 | 2 | |||
| ÖÇ 3 | 4 | 3 | 3 | 3 | 2 | ||||||
| ÖÇ 4 | 4 | 4 | 3 | 3 | 2 | 3 | 3 | 5 | |||
| ÖÇ 5 | 4 | 4 | 4 | 4 | 4 | ||||||
| ÖÇ 6 | 4 | 4 | 4 | 4 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek