Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|
YAPAY ZEKA | MIS3212182 | Bahar Dönemi | 3+0 | 3 | 5 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | İngilizce |
Dersin Seviyesi | Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersi Verenler | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersin Yardımcıları | |
Dersin Amacı | Yapay Zeka kavramı çerçevesinde, Makine Öğrenmesi algoritmalarını hem mantıksal hem de matematiksel boyutta algılayabilecek ve bir programlama dili ile bu algoritmaları geliştirebilecek öğrenci yetiştirmek. |
Dersin İçeriği | Bu ders; Yapay Zekanın Tanımı ve Tarihi,Makine Öğrenmesi,Makine Öğrenmesi,Robotlar ve YZ,Derin Öğrenme ve Makine Görüsü
,Veri Hazılığı ve Veri Ambarları,Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon,DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM),Yapay Zeka Aracıları (Ajanları),YZ ve Etik,Graflar ve YZ, İstatistiksel Öğrenme ve Model Seçimi,Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler,Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Yapay Zeka açıklayabilecektir. | 16, 3, 9 | A |
1.1. Yapay Zekayı tanımlar | | |
1.2. Yapay Zekanın bileşenlerini listeler | | |
2. Denetimisiz öğrenme Kavramını tanımlayabilecektir. | 9 | A |
2.1. Denetimsiz öğrenmeyi açıklar | | |
2.2. Denetimsiz öğrenmenin algoritma türlerini sıralar | | |
3. Denetimli öğrenme kavramını tanımlayabilecektir. | 6, 9 | A |
3.1. Denetimli öğrenmeyi açıklar | | |
3.2. Denetimli öğrenmenin algoritma türlerini listeler | | |
4. Örüntü analizini tanımlayabilecektir. | 14, 2, 6, 9 | A, E |
4.1. Örüntü analizini açıklar | | |
4.2 Örüntü analizinin algoritmalarını listeler | | |
5. Yapay Zekanın Alt bileşenlerini tanımlayabilecektir. | 16, 9 | A, E |
5.1. NLP tanımlar | | |
5.2. Robotik kavramını tanımlar | | |
5.3. Metin Madenciliğini tanımlar. | | |
5.4. Veri Madenciliğini tanımlar | | |
5.5. Sınıflandırma ve Kümeleme kavramlarını bir birinden ayırır | | |
Öğretim Yöntemleri: | 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 2: Proje Temelli Öğrenme Modeli, 3: Probleme Dayalı Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|
1 | Yapay Zekanın Tanımı ve Tarihi | |
2 | Makine Öğrenmesi | Videoyu izleyin ve sorulara hazır olun. |
3 | Makine Öğrenmesi | Videoyu izleyin ve sınıf içi sorulara hazırlıklı olun. |
4 | Robotlar ve YZ | Robotics and AI |
5 | Derin Öğrenme ve Makine Görüsü
| Önerilen okuma. |
6 | Veri Hazılığı ve Veri Ambarları | Video izleme, verilen soruları yanıtlayıp gelin. |
7 | Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon | BÜYÜK VERİ
BİLGİ NİNSUNUMU |
8 | DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM) | |
9 | Yapay Zeka Aracıları (Ajanları) | İlgili videoyu izleyin ve verilen soruları cevaplayın. |
10 | YZ ve Etik | Video izleme; verilen soruları yanıtlayıp gelin. |
11 | Graflar ve YZ | Videoyu izleyin, soruları dersten önce ve derste yanıtlayın |
12 | İstatistiksel Öğrenme ve Model Seçimi | Video İzleme ve Okuma |
13 | Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler | |
14 | Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri. | Python ile ilgili ön çalışmalar |
Kaynak |
BASIC OF ARTIFICAL INTELLIGENCE
by Philips Coleman, | 2021 |
AFTER EACH LESSON A READING OR WATCHING TASK WILL BE GIVEN BY THE LECTURER.
Artificial Intelligence: Understanding Future's Language Kindle Edition by Umut Guney (Author) , 2023.
|
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı |
No | Program Yeterliliği | Katkı Düzeyi |
1 | 2 | 3 | 4 | 5 |
1 | Bilişim ve yönetim alanında teorik bilgileri tanımlar. | X | | | | |
2 | Bilişim ve yönetim alanında gerekli matematiksel ve istatistiki yöntemleri anlatır. | | | X | | |
3 | Bilişim ve yönetim alanında gerekli en az bir bilgisayar programı kullanır. | | | X | | |
4 | Bilişim ve yönetim alanında gerekli olan mesleki yabancı dil yeterliliğini gösterir. | | | | | |
5 | Bilişim projeleri hazırlar ve takım çalışmalarını yönetir. | | | | | |
6 | Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirilir. | | | | | |
7 | Bilişim ve yönetim alanında teorik ve uygulamaya yönelik bilgileri kullanır. | | | | X | |
8 | En az A1 düzeyinde bir yabancı dili kullanarak güncel teknolojileri takip eder, sözlü / yazılı iletişim kurar. | | | | | |
9 | Örgüt / kurumsal, iş ve toplumsal etik değerlerini benimser ve kullanır. | | | | | |
10 | Topluma hizmet duyarlılığı çerçevesinde, sosyal sorumluluk ilkelerini benimser ve gerektiğinde inisiyatif alır. | | | | | |
11 | Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır. | | X | | | |
12 | Masaüstü, mobil, web gibi farklı platform yazılımlarını tek başına ve/veya bir ekip içerisinde yazar. | | | | X | |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme |
Ara Sınavın Başarıya Oranı | | 40 |
Genel Sınavın Başarıya Oranı | | 60 |
Toplam | | 100 |
AKTS / İşyükü Tablosu |
Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) |
Ders Saati | 15 | 3 | 45 |
Rehberli Problem Çözme | 4 | 1 | 4 |
Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 7 | 5 | 35 |
Okul Dışı Diğer Faaliyetler | 7 | 3 | 21 |
Proje Sunumu / Seminer | 1 | 12 | 12 |
Kısa Sınav (QUİZ) ve Hazırlığı | 1 | 3 | 3 |
Ara Sınav ve Hazırlığı | 1 | 6 | 6 |
Genel Sınav ve Hazırlığı | 1 | 12 | 12 |
Performans Görevi, Bakım Planı | 0 | 0 | 0 |
Toplam İş Yükü (Saat) | 138 |
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(138/30) | 5 |
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|
YAPAY ZEKA | MIS3212182 | Bahar Dönemi | 3+0 | 3 | 5 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | İngilizce |
Dersin Seviyesi | Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersi Verenler | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersin Yardımcıları | |
Dersin Amacı | Yapay Zeka kavramı çerçevesinde, Makine Öğrenmesi algoritmalarını hem mantıksal hem de matematiksel boyutta algılayabilecek ve bir programlama dili ile bu algoritmaları geliştirebilecek öğrenci yetiştirmek. |
Dersin İçeriği | Bu ders; Yapay Zekanın Tanımı ve Tarihi,Makine Öğrenmesi,Makine Öğrenmesi,Robotlar ve YZ,Derin Öğrenme ve Makine Görüsü
,Veri Hazılığı ve Veri Ambarları,Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon,DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM),Yapay Zeka Aracıları (Ajanları),YZ ve Etik,Graflar ve YZ, İstatistiksel Öğrenme ve Model Seçimi,Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler,Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Yapay Zeka açıklayabilecektir. | 16, 3, 9 | A |
1.1. Yapay Zekayı tanımlar | | |
1.2. Yapay Zekanın bileşenlerini listeler | | |
2. Denetimisiz öğrenme Kavramını tanımlayabilecektir. | 9 | A |
2.1. Denetimsiz öğrenmeyi açıklar | | |
2.2. Denetimsiz öğrenmenin algoritma türlerini sıralar | | |
3. Denetimli öğrenme kavramını tanımlayabilecektir. | 6, 9 | A |
3.1. Denetimli öğrenmeyi açıklar | | |
3.2. Denetimli öğrenmenin algoritma türlerini listeler | | |
4. Örüntü analizini tanımlayabilecektir. | 14, 2, 6, 9 | A, E |
4.1. Örüntü analizini açıklar | | |
4.2 Örüntü analizinin algoritmalarını listeler | | |
5. Yapay Zekanın Alt bileşenlerini tanımlayabilecektir. | 16, 9 | A, E |
5.1. NLP tanımlar | | |
5.2. Robotik kavramını tanımlar | | |
5.3. Metin Madenciliğini tanımlar. | | |
5.4. Veri Madenciliğini tanımlar | | |
5.5. Sınıflandırma ve Kümeleme kavramlarını bir birinden ayırır | | |
Öğretim Yöntemleri: | 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 2: Proje Temelli Öğrenme Modeli, 3: Probleme Dayalı Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|
1 | Yapay Zekanın Tanımı ve Tarihi | |
2 | Makine Öğrenmesi | Videoyu izleyin ve sorulara hazır olun. |
3 | Makine Öğrenmesi | Videoyu izleyin ve sınıf içi sorulara hazırlıklı olun. |
4 | Robotlar ve YZ | Robotics and AI |
5 | Derin Öğrenme ve Makine Görüsü
| Önerilen okuma. |
6 | Veri Hazılığı ve Veri Ambarları | Video izleme, verilen soruları yanıtlayıp gelin. |
7 | Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon | BÜYÜK VERİ
BİLGİ NİNSUNUMU |
8 | DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM) | |
9 | Yapay Zeka Aracıları (Ajanları) | İlgili videoyu izleyin ve verilen soruları cevaplayın. |
10 | YZ ve Etik | Video izleme; verilen soruları yanıtlayıp gelin. |
11 | Graflar ve YZ | Videoyu izleyin, soruları dersten önce ve derste yanıtlayın |
12 | İstatistiksel Öğrenme ve Model Seçimi | Video İzleme ve Okuma |
13 | Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler | |
14 | Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri. | Python ile ilgili ön çalışmalar |
Kaynak |
BASIC OF ARTIFICAL INTELLIGENCE
by Philips Coleman, | 2021 |
AFTER EACH LESSON A READING OR WATCHING TASK WILL BE GIVEN BY THE LECTURER.
Artificial Intelligence: Understanding Future's Language Kindle Edition by Umut Guney (Author) , 2023.
|
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı |
No | Program Yeterliliği | Katkı Düzeyi |
1 | 2 | 3 | 4 | 5 |
1 | Bilişim ve yönetim alanında teorik bilgileri tanımlar. | X | | | | |
2 | Bilişim ve yönetim alanında gerekli matematiksel ve istatistiki yöntemleri anlatır. | | | X | | |
3 | Bilişim ve yönetim alanında gerekli en az bir bilgisayar programı kullanır. | | | X | | |
4 | Bilişim ve yönetim alanında gerekli olan mesleki yabancı dil yeterliliğini gösterir. | | | | | |
5 | Bilişim projeleri hazırlar ve takım çalışmalarını yönetir. | | | | | |
6 | Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirilir. | | | | | |
7 | Bilişim ve yönetim alanında teorik ve uygulamaya yönelik bilgileri kullanır. | | | | X | |
8 | En az A1 düzeyinde bir yabancı dili kullanarak güncel teknolojileri takip eder, sözlü / yazılı iletişim kurar. | | | | | |
9 | Örgüt / kurumsal, iş ve toplumsal etik değerlerini benimser ve kullanır. | | | | | |
10 | Topluma hizmet duyarlılığı çerçevesinde, sosyal sorumluluk ilkelerini benimser ve gerektiğinde inisiyatif alır. | | | | | |
11 | Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır. | | X | | | |
12 | Masaüstü, mobil, web gibi farklı platform yazılımlarını tek başına ve/veya bir ekip içerisinde yazar. | | | | X | |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme |
Ara Sınavın Başarıya Oranı | | 40 |
Genel Sınavın Başarıya Oranı | | 60 |
Toplam | | 100 |
Sayısal Veriler
Ekleme Tarihi: 06/07/2022 - 15:10Son Güncelleme Tarihi: 06/07/2022 - 15:13