Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
---|---|---|---|---|---|---|
Yapay Zekanın Matematiksel Temelleri | MTM5131 | 3 | 7.5 | 3 | 0 | 0 |
Önkoşullar | Yok |
---|
Yarıyıl | Güz, Bahar |
---|
Dersin Dili | İngilizce, Türkçe |
---|---|
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Seçmeli @ Matematik Mühendisliği ABD Matematik Mühendisliği Yüksek Lisans Programı Seçmeli @ Veri Bilimi ve Büyük Veri Yüksek Lisans Programı Seçmeli @ Matematik Mühendisliği ABD Matematik Mühendisliği Doktora Programı |
Ders Kategorisi | Uzmanlık/Alan Dersleri |
Dersin Veriliş Şekli | Yüz yüze |
Dersi Sunan Akademik Birim | Matematik Mühendisliği Bölümü |
---|---|
Dersin Koordinatörü | Nilgün Güler Bayazıt |
Dersi Veren(ler) | Nilgün Güler Bayazıt |
Asistan(lar)ı |
Dersin Amacı | İnsan beyninin işlevlerini yerine getiren bilgisayarların ve makinaların tasarımı Yapay Zekanın(YZ) temel amacı olmuştur. Amaç aynı olsa da kullanılan metodlar zaman içerisinde sürekli değişiklik göstermiştir. Başlangıçta öğrenme bir tabu olarak görülmüştür ama şimdi öğrenme şekilleri YZ araştırmalarının merkezi konumundadır. Yine başlangıçta insan beyni idiosynchratic olarak kabul edilmiş ama şimdi insan beyninin fonksiyonlarının anlaşılması ana konu olarak görülmektedir. Önceleri davranışların modellenmesi sadece sembolikti ama şimdi alt-sembolik modeller çalışmaların odak noktasındadır. Bütün bu eğilimlerin sonucunda Yapay zeka araştırmacılarının, bilişim kuramı, olasılık kuramı ve optimizasyon kuramı gibi konularda matematiksel ağırlıklı olarak bilgi gereksinimine ihtiyacı vardır . Bu ders zeki davranışların hesapsal modellemesini betimlemek ve beyindeki yapılarla nasıl ilintili olduğunu göstermek amacıyla giriş niteliğindedir. |
---|---|
Dersin İçeriği | Doğal hesaplamaya giriş, Olasılık kavramları ve işaretin karakteristiği, Bilişim kuramı, Öğrenme kuramı , verinin matematiksel yöntemlerle işlenmesi, Dinamik sistemlerin matematiksel modellenmesi/ Öğrenme teknikleri: Eğiticili ve eğiticisiz öğrenme, Hidden Markov Modelleri,Takviyeli öğrenme, Genetik programlama, Oyunlar. |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler ileride karşılaşacakları problemleri modeller
- Öğrenciler çözüm üretebilmeleri için gerekli yaratıcılığı kazanır
- Öğrencilerin algoritma yazma becerileri gelişir.
- Öğrenciler uygulama alanları üzerinde tecrübe kazanır.
- Karmaşık mühendislik problemlerini yapay öğrenme yöntemleri kullanarak çözme becerisi
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | |
PÇ-1 | 5 | 5 | 5 | 5 | 5 |
PÇ-2 | 5 | 5 | 5 | 5 | 5 |
PÇ-3 | 5 | 5 | 5 | 5 | 5 |
PÇ-4 | 5 | 5 | 5 | 5 | 5 |
PÇ-5 | 5 | 5 | 5 | 5 | 5 |
PÇ-6 | - | - | - | - | - |
PÇ-7 | 3 | 3 | 3 | 3 | 4 |
PÇ-8 | 3 | 3 | 3 | 3 | 3 |
PÇ-9 | - | 5 | - | - | 1 |
PÇ-10 | - | - | - | 3 | 3 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
Hafta | Konular | Ön Hazırlık |
---|---|---|
1 | Doğal hesaplamaya giriş: Beynin yapısı, alt sistemleri, nöronlar, Hesaplama kuramı, Doğal hesaplamanın elemanları. | İlgili Kaynaklar |
2 | Olasılık kavramları ve işaret karakteristiği: temel olasılık kavramları, Bayes’ kuralı, Olasılık dağılımları | İlgili Kaynaklar |
3 | Bilişim kuramı | İlgili Kaynaklar |
4 | Öğrenme Kuramı 1: Temel Kavramlar ve öğrenme kuramına giriş | İlgili Kaynaklar |
5 | Öğrenme Kuramı 2:Öğrenmede kullanılan matematik metodlar | İlgili Kaynaklar |
6 | Verinin matematiksel yöntemlerle işlenmesi | İlgili Kaynaklar |
7 | Dinamik sistemlerin matematiksel modellenmesi | İlgili Kaynaklar |
8 | Ara Sınav 1 | |
9 | Hopfield Ağları | İlgili Kaynaklar |
10 | Eğiticili öğrenme: Algılayıcılar, Aktivasyon fonksiyonları: Gauss hataları ile maksimum olabilirlik | İlgili Kaynaklar |
11 | GeriBesleme Algoritması | İlgili Kaynaklar |
12 | Eğiticisiz öğrenme: Kendini örgütleyen eşlem (SOM) | İlgili Kaynaklar |
13 | Hidden Markov modelleri | İlgili Kaynaklar |
14 | Takviyeli öğrenme | İlgili Kaynaklar |
15 | Genetik algoritmalar:Genetik operatörler, genetik programlama, Oyunlar: Heuristik arama, iki kişiye dayalı oyunlar | İlgili Kaynaklar |
16 | Final |
Değerlendirme Sistemi
Etkinlikler | Sayı | Katkı Payı |
---|---|---|
Devam/Katılım | ||
Laboratuar | ||
Uygulama | ||
Arazi Çalışması | ||
Derse Özgü Staj | ||
Küçük Sınavlar/Stüdyo Kritiği | ||
Ödev | 1 | 10 |
Sunum/Jüri | ||
Projeler | 1 | 20 |
Seminer/Workshop | ||
Ara Sınavlar | 1 | 30 |
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 | 14 | 3 | |
Laboratuar | |||
Uygulama | |||
Arazi Çalışması | |||
Sınıf Dışı Ders Çalışması | 14 | 10 | |
Derse Özgü Staj | |||
Ödev | 1 | 10 | |
Küçük Sınavlar/Stüdyo Kritiği | |||
Projeler | 1 | 20 | |
Sunum / Seminer | |||
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
Toplam İşyükü : | |||
Toplam İşyükü / 30(s) : | |||
AKTS Kredisi : |
Diğer Notlar | Yok |
---|