Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Yapay Zekanın Matematiksel Temelleri MTM513137.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Matematik Mühendisliği ABD Matematik Mühendisliği Yüksek Lisans Programı (İngilizce)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin Koordinatörü
Dersi Veren(ler)Nilgün Güler Bayazıt
Asistan(lar)ı
Dersin Amacıİnsan 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 İçeriğiDoğal 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
  • Dana H. Ballard, “An Introduction to Natural Computation”, Third Edition, MIT Press, 2000.
  • S. Haykin, "Neural Networks - A Comprehensive Foundation", Second Edition,Prentice Hall, 1999.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler ileride karşılaşacakları problemleri modeller
  2. Öğrenciler çözüm üretebilmeleri için gerekli yaratıcılığı kazanır
  3. Öğrencilerin algoritma yazma becerileri gelişir.
  4. Öğrenciler uygulama alanları üzerinde tecrübe kazanır.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Doğal hesaplamaya giriş: Beynin yapısı, alt sistemleri, nöronlar, Hesaplama kuramı, Doğal hesaplamanın elemanları. İlgili Kaynaklar
2Olasılık kavramları ve işaret karakteristiği: temel olasılık kavramları, Bayes’ kuralı, Olasılık dağılımları İlgili Kaynaklar
3Bilişim kuramı İlgili Kaynaklar
4Öğrenme Kuramı 1: Temel Kavramlar ve öğrenme kuramına giriş İlgili Kaynaklar
5Öğrenme Kuramı 2:Öğrenmede kullanılan matematik metodlarİlgili Kaynaklar
6Verinin matematiksel yöntemlerle işlenmesi İlgili Kaynaklar
7Dinamik sistemlerin matematiksel modellenmesi İlgili Kaynaklar
8Ara Sınav 1
9Hopfield Ağları İlgili Kaynaklar
10Eğiticili öğrenme: Algılayıcılar, Aktivasyon fonksiyonları: Gauss hataları ile maksimum olabilirlikİlgili Kaynaklar
11GeriBesleme Algoritması İlgili Kaynaklar
12Eğiticisiz öğrenme: Kendini örgütleyen eşlem (SOM) İlgili Kaynaklar
13Hidden Markov modelleri İlgili Kaynaklar
14Takviyeli öğrenme İlgili Kaynaklar
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev420
Sunum/Jüri
Projeler140
Seminer/Workshop
Ara Sınavlar120
Final120
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması1511
Derse Özgü Staj
Ödev43
Küçük Sınavlar/Stüdyo Kritiği
Projeler15
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)12
Final (Sınav Süresi + Sınav Hazırlık Süresi)12
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok