| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Yapay Zeka ve Uzman Sistemler | END3971 | 2 | 4 | 2 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ Endüstri Mühendisliği Lisans Programı (%30 İngilizce) Seçmeli @ Matematik Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Endüstri Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Selçuk Çebi |
| Dersi Veren(ler) | Selçuk Çebi, Ali Karaşan |
| Asistan(lar)ı | Ebru Geçici |
| Dersin Amacı | Mühendislik uygulamalarında kullanılan yapay zeka tekniklerinin temel prensiplerinin öğretimi ve bunların uygulamalarda nasıl kullanıldığının detaylı analizinin yapılması. |
|---|---|
| Dersin İçeriği | Yapay zekânın tanımı, temel kavramlar ve teknikler, Uzman Sistemler ve mühendislik uygulamaları, Bulanık mantık ve mühendislik uygulamaları, Karar destek sistemleri ve uygulamaları, Genetik algoritmalar ve uygulama örnekleri, Yapay sinir ağları: Yapay sinir ağlarının yapısı ve temel elemanları, ilk yapay sinir ağları, yapay sinir ağı modelleri, geri beslemeli ağlar. Yapay sinir ağlarının mühendislik uygulamaları |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler yapay zekanın temel prensiplerini ve tanımlamaları öğrenir
- Öğrenciler endüstriyel uygulamalarda yapay zeka kullanımını anlar
- Öğrenciler yapay zeka alanındaki temel yöntemler hakkında bilgi edinir
- Öğrenciler, endüstriyel uygulamalarda kullanılan uzman sistemlerin temel ilkelerini öğrenir
- Öğrenciler, endüstri mühendisliği uygulamalarında yapay zeka ve uzman sistemlerin nasıl uygulanacağı becerisini kazanacaklardır
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Yapay zekaya giriş ve tanımlar | Kaynak 1-3 |
| 2 | Ajanlar ve ajan türleri | Kaynak 1-3 |
| 3 | Sezgisel Problem Çözme: Graf Teori | Kaynak 2-3 |
| 4 | Arama Algoritmaları: Bilgisiz Arama | Kaynak 2-Bölüm 2 |
| 5 | Arama Algoritmaları: Bilgili Arama | Kaynak 3-Bölüm 6 ve Kaynak 4-Bölüm 2 |
| 6 | Makine Öğrenmesi | Kaynak 3-Bölüm 6 ve Kaynak 4-Bölüm 2 |
| 7 | Laboratuvar Uygulaması: Python'da Makine Öğrenmesi Uygulamaları | Kaynak 2-Bölüm 13 |
| 8 | Ara Sınav 1 | |
| 9 | Uzman Sistemler | Kaynak 2-Bölüm 8 ve Kaynak 4-Bölüm 1-3 |
| 10 | Bulanık Küme Teorisi | Kaynak 3 Bölüm 8- Kaynak 5 |
| 11 | Bulanık Küme Teorisi | Kaynak 2-Bölüm 14 |
| 12 | Ara Sınav 2 | |
| 13 | Mantıksal Programlama: PROLOG | Kaynak 2-Bölüm 7 ve Kaynak 3 Bölüm 5 |
| 14 | Mantıksal Programlama: PROLOG | Kaynak 2-Bölüm 7 ve ve Kaynak 3 Bölüm 5 |
| 15 | Proje Sunumları | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | 1 | 10 |
| Seminer/Workshop | ||
| Ara Sınavlar | 2 | 50 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 13 | 2 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 10 | 1 | |
| Derse Özgü Staj | |||
| Ödev | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 15 | |
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 2 | 10 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 15 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
