Ders Bilgileri

Ders Bilgileri
Ders Adı Kodu Dili Türü Yarıyıl T+U Saat Kredi AKTS
Yapay Zeka Sistemleri MEM388 Türkçe Zorunlu 6. Yarıyıl 3 + 0 3,0 5,0
Ön Koşul Dersleri
Dersin Seviyesi Lisans
Dersin Verilişi Yüz yüze
Dersin Koordinatörü Doç. Dr. Ferzan KATIRCIOĞLU
Dersi Veren(ler)
Dersin Amacı Bu dersin ama öğrencileri yapay zekanın çeşitli alt dalları hakkında eğitmektir.
Dersin İçeriği Yapay zeka ve uzman sistemler, Yapay zeka programlama dilleri: Prolog, Yapay zeka programlama dilleri: Lisp, Oyun programlama, Yapay sinir ağları, Yapay sinir ağları uygulamaları: görüntü işleme, Yapay sinir ağları uygulamaları: robot, Yapay sinir ağları uygulamaları: sistem ve karakter tanılama, Bulanık mantık, Bulanık mantık uygulamaları: fuzzy-pid, Karınca kolonisi optimizasyonu, KKO uygulamaları, Genetik Optimizasyonu, GO uygulamaları.
Ders Öğrenme Kazanımları
# Öğrenme Kazanımı
1 Yapay zeka hakkında temel bilgilere sahip olma.
2 Yapay zeka yöntemleri ile problem çözebilme.
Ders Planı (Haftalık Konular)
Hafta Konular/Uygulamalar Yöntem
1. Hafta Yapay zeka ve uzman sistemler. Görüşme
2. Hafta Yapay zeka ve uzman sistemler Görüşme
3. Hafta Yapay zeka programlama dilleri: Prolog, Lisp Görüşme
4. Hafta Yapay zeka programlama dilleri: Prolog, Lisp Görüşme
5. Hafta Yapay zeka programlama dilleri: Prolog, Lisp Görüşme
6. Hafta Oyun programlama Görüşme
7. Hafta Yapay sinir ağları. Görüşme
8. Hafta Yapay sinir ağları.
9. Hafta Yapay sinir ağları uygulamaları: görüntü işleme Görüşme
10. Hafta Yapay sinir ağları uygulamaları: robot Görüşme
11. Hafta Yapay sinir ağları uygulamaları: sistem ve karakter tanılama Görüşme
12. Hafta Bulanık mantık, Bulanık mantık uygulamaları: fuzzy-pid, Karınca kolonisi optimizasyonu Görüşme
13. Hafta Genetik Optimizasyonu Görüşme
14. Hafta Genetik Optimizasyonu Görüşme
*Ara sınav ve final sınav tarihleri 14 haftalık ders işleyiş planında belirtilmemiştir. Ara sınav ve final sınav tarihleri Üniversitemiz Senatosu kararı ile akademik takvimde belirtilen tarihlerde yapılmaktadır.
Ders - Program Yeterlilikleri İlişkileri
No Program Yeterlilikleri Katkı Düzeyi
1 2 3 4 5
3 Mühendislik problemlerini tanımlama, modelleme ve çözme becerisi kazandırmak.
Dersin Öğrenme Kazanımlarının Program Yeterlilikleri İle İlişkisi
Program Yeterlilik DK1 DK2
PY3 5 5
Kaynaklar
Ders Kitabı veya Notu Ders Kitabı veya Ders Notu bulunmamaktadır.
Diğer Kaynaklar
  • Steven L.Tanimoto, The Elements of Artificial Intelligence: An Introduction Using LISP, Computer Science Press.
  • James A.Freeman, David M.Skapura, Neural Networks, Algorithms, Applications and Programming Techniques, Addison Wesley, 1991.
  • Chin-Teng Lin, C.S.G. Lee, Neural Fuzzy Systems, Prentice Hall, 1996.
AKTS / İş Yükü Tablosu
AKTS / İş Yükü Tablosu Sayısı Süresi (Saat) Toplam İş Yükü (Saat)
Sınavlar
Ara Sınav 1 50 1 50
Final 77,5 1 77,5
Toplam İş Yükü 127,5
*AKTS = (Toplam İş Yükü) / 25,5 Dersin AKTS Kredisi 5,0