Yapay Zeka nın Teorik ve Pratik Sınırları
|
|
- Selim Gün
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Yapay Zeka nın Teorik ve Pratik Sınırları Yavuz Köroğlu Boğaziçi Üniversitesi Yapay Zeka çağımızın sıcak tartışmalarından biridir. Birçok bilim insanı Yapay Zeka nın insanlık için büyük çığırlar açabileceğini söylerken, birçok bilim insanı da Yapay Zeka nın insanlığın sonu olabileceğini ileri sürmektedir. Bu bildiri ile Yapay Zeka ile ilgili önemli yanılsamalara işaret edilirken, bir yandan da Yapay Zeka nın toplumsal yaşamı düzenlemeye dair birçok potansiyel faydası olduğuna ve bu faydalardan günümüzün toplumsal koşulları yüzünden yararlanamadığımıza dikkat çekmek amaçlanmıştır. Halihazırda var olan Yapay Zeka sistemlerinden azami ölçüde yararlanabileceğimiz koşulların yaratıldığı bir toplumda, Yapay Zeka da yazının bulunması ve buharlı makinelerin icadı gibi önemli tarihsel gelişmelerin arasında yer alacaktır. Giriş Yapay Zeka, çağımıza damgasını vurmaya henüz yeni başlamış, ilerlemeye çok açık bir bilim dalıdır. Yapay Zeka, insan öğrenmesini, çıkarımsamasını, ve evrimini modelleyerek çözümü elle bulunması zor sorunlara otomatik çözümler geliştirilmesini sağlamıştır. Çağımız için çok önemli bir gelişme olan Yapay Zeka hakkında gerek toplumun gerekse bilim insanlarının aklında birçok soru vardır. Yapay Zeka kendi bilincine ulaşarak insanlığa düşman mı olacak? Yapay Zeka ölümcül bir silah mı olarak kullanılacak? Yapay Zeka insanların yerini alabilir mi? Stephen Hawking ve onun gibi birçok ünlü bilim insanı Yapay Zeka nın büyük felaketlere yol açabileceğini belirtmektedir [16]. Yapay Zeka hakkındaki negatif yorumlar sayıca ve büyüklük olarak yadsınamaz boyutlardadır. Her ne kadar negatif yorumların hedefi olsa da, Yapay Zeka nın bireysel yaşantımızda birçok pratik kullanım alanı vardır. Hastalık teşhisi [18], dil çevirisi [12], yazım ve anlatım bozukluklarının tespiti [8], genlerin incelenmesi [20], öneri sistemleri [17], ve benzeri sayısız birçok alanda Yapay Zeka en iyi çözüm olarak kullanılmaktadır. Yapay Zeka nın çok büyütülen, insanlığın ilerlemesine neredeyse hiç katkı koymayan örnekleri de bulunmaktadır. Buna örnek olarak insan oyunculara karşı pokerde yüz binlerce dolar kazanan Libratus sistemi verilebilir [23]. Bunun gibi örnekler çağımızın egemen ideolojisi doğrultusunda hareket eden insanlığın taleplerine yanıt olarak yaratılmaya devam etmektedir. Yapay Zeka nın en az kullanılan, ama belki de potansiyel olarak en yararlı tarafı toplumsal yaşantının düzenlenmesinde olacaktır. Bu bildiride örneklerle Yapay Zeka nın insanlık için olası yararlarının göz önüne serilmesi hedeflenmiştir. Bu bildirinin yazılma amaçları aşağıdaki gibidir: 1. Yapay Zeka nın ne olduğunu tarihsel bir bakış açısıyla tanımlamak. 2. Yapay Zeka nın teorik sınırlarını açıkça tartışarak Yapay Zeka ya yöneltilen negatif yorumlara yanıt vermek. 3. Yapay Zeka nın günümüz koşullarından kaynaklanan pratik sınırlarını ortaya koymak. Bu pratik sınırlar aşıldığında Yapay Zeka nın insanlığa kazandırabileceklerini örneklerle açıklamak.
2 2 YAVUZ KÖROĞLU İlk olarak, Yapay Zeka Nedir? başlığı altında Yapay Zeka nın kafa karışıklığına yer bırakmayacak bir tanımı yapılmaktadır. Daha sonra sırasıyla Yapay Zeka nın teorik ve pratik sınırları, örnekleriyle Teorik Sınırlar ve Pratik Sınırlar bölümünde verilmektedir. Tartışma bölümünde bildiri boyunca verilmiş tanımlar ve sınırlar doğrultusunda yapılmış yorumlar bulunmaktadır. Sonuç bölümünde de genel olarak bu yazıdan çıkarılması gereken sonuçlar özetlenmektedir. Yapay Zeka Nedir? Yapay Zeka nın anlaşılabilmesi için algoritmalar ve zeka üzerine düşünmek gerekir. Sırasıyla Algoritmalar ve Zeki Sistemler bölümleri ile Yapay Zeka nın bir analizi yapılmaktadır. Algoritmalar Sorun çözme yetisi, insanlığın ilerlemesinin ve evrimsel süreçte diğer canlıları çok büyük ölçüde geride bırakmış olmasının temel taşıdır. Algoritmalar, karmaşık sorunları çözme yetimizi sistematik olarak incelememizi sağlayan yapılardır. Algoritmalar bu karmaşık sorunları analiz yöntemiyle kolaylıkla gerçekleştirilebilir küçük birimlere ayırır. Art arda gelen bu birimler sırayla gerçekleştirildiklerinde sorun da çözülmüş olur. (bkz. Ek: Algoritmalar) Bir algoritmayı insan yardımı olmaksızın çalıştırabilen ilk makine, yani ilk bilgisayar, 17. yy da bir hesap makinesi olarak geliştirilmiştir. Bu tarihten itibaren bilgisayarların çalıştırabilecekleri algoritmaların karmaşıklığı giderek artmış, bilgisayarlar günlük hayatımızdaki rutin birçok problemi çözebilir hale gelmişlerdir. Çalıştırdıkları algoritmalar ne kadar karmaşık olursa olsun, bu bilgisayarların zeki olduklarını söylemek mümkün değildir. Bu bilgisayarlar sadece aynı basit birimleri art arda, tekrar tekrar gerçekleştiren otomatlardı. Zekayı ise sorunları çözen bu algoritmaların üretiminin nasıl gerçekleştiğinde aramak gerekir. Zeki Sistemler Tanım 1 Zeka, içinde yaşadığımız dünyadaki karmaşık sorunların çözümlerini doğru ve verimli şekilde üretebilme yetisidir. Kısaca zeka, algoritma üretebilme yetisidir. Tanım 2 Yapay Zeka, eldeki sorunun tanımı bilinir, fakat çözümün yöntemi (algoritması) bilinmezken, doğru ve verimli bir çözüm yöntemini çıkarımsayan, öğrenen, ya da keşfeden, insan eliyle üretilmiş sistemlerin tümüne verilen isimdir. Kısaca Yapay Zeka, algoritma üretebilen otomatik sistemlerdir. Belirli bir amaca ulaşmak adına çözüm geliştirmek zorlu bir süreç olabilir. Sadece sorunu tanımlayabildiğimiz, ama iyi bir algoritmasını çıkaramadığımız durumlar için makineleri (Yapay Zeka) kullanma fikri ilk olarak Alan Turing tarafından ortaya atılmıştır [15]. Yapay Zeka nın elde edilmesi için temelde insan zekasının çıkarımsama ve öğrenme yetileri incelenmiştir. Bunlara ek olarak da insanlığın keşiflerini modelleyebilmek adına evrimsel süreçlerin incelenmesinden yararlanılmıştır. Yapay zekanın üç önemli bileşeni vardır. Bunlar; 1. Sembolik Çıkarımsama, 2. Yapay Öğrenme, ve 3. Genetik Algoritma olarak sıralanabilir. Bu üç bileşen, insan zekasının tümünü açıklamamakla beraber, Yapay Zeka nın temel bileşenleri olarak algılanmalıdır. Bunun nedeni de bu üç bileşenin sırasıyla insan zekasına ait 1. Neden-sonuç ilişkileri oluşturma (çıkarımsama), 2. Veri üzerinden genellemeler yapma (öğrenme), ve 3. Daha önce hiç görülmemiş şeyler üretme (keşif) özelliklerini modelliyor olmasıdır. (bkz. Ek: Yapay Zeka nın Bileşenleri)
3 YAPAY ZEKA NIN TEORİK VE PRATİK SINIRLARI 3 Teorik Sınırlar Çeşitli bilim çevrelerinde ve halk arasında Yapay Zeka nın insanlığın yerine geçip geçemeyeceği sorusu tartışılmaktadır. İnsanı insan yapan tek özellik zeka değildir. Bunun üzerinde o zekayı yönlendiren bir bilinç, bir irade olması gerekmektedir. İnsanlar sadece bilinmeyen çözümleri geliştirmemekte, aynı zamanda üzerine uğraşacakları sorunları da belirlemektedir. Kısaca, bilgisayar bilimi sadece ne ve nasıl sorularını modellemiştir. Niçin sorusu modellenmediği sürece durmak bilmeden ilerleyip gelişen Yapay Zeka da insanların elinde bir araç olarak kalmaya devam edecektir. Bir Yapay Bilinç yaratılsa bile bunun insanlığın yerini alabileceği kesin değildir. Yapay Zeka nın teorik sınırlarını araştırmaya bir 18.yy materyalisti olan Julien Offray de La Mettrie nin 1748 senesinde yazdığı L homme Machine (Makine İnsan) isimli kitabından başlamak gerekir. Bu kitapta La Mettrie insanların aslında çok karmaşık makinelerden ibaret olduklarını, düşünce üretiminin de bu karmaşık makineler sayesinde gerçekleştiğini ileri sürmüştür [4]. La Mettrie görüşlerini ileri sürdüğü sırada evrim teorisi henüz bulunmamıştı [3]. Dönemin makinelerinin de böylece nasıl olup da zeka içerebilir seviyeye çıkacaklarını açıklayan bir bilim de bulunmamış oluyordu. Günümüzde bu süreçleri kavrayabiliyor ve değişken bir nesne olan zekayı matematiksel olarak modelleyip makinelerle gerçekleyebiliyoruz. Birçok fizikçinin yeni kuantum teorisine kayarak kesin açıklamalara ulaşılamayacağını savunduğunu belirten Karl Popper bile La Mettrie nin bu kesin yaklaşımının bugün bütün bilim çevrelerinde çok savunucusu olduğunu kabul etmek durumunda kalmıştır [25]. İnsanın karmaşık bir makine olduğu fikri ünlü filozof ve bilgisayar bilimcisi Hilary Putnam tarafından incelenerek geliştirilmiştir [11]. İnsanlık da makineler topluluğu olarak düşüncelerini zeka yoluyla bağlamlar içerisinde üretmektedir. Bağlamlar içerisinde akıl yürütmenin sınırları ve insanlığın anlayış sınırları dışında olan bağlamlar bulunduğu artık günümüzde iyi bilinmektedir [2, 14]. Karmaşık makineler olan insanlık tarafından kavranamayacak bağlamlar yine insanlığın yaratmış olduğu Yapay Zeka lar tarafından da kavranamayacaktır. Örneğin tümleşik ve evrendeki herşeyi açıklayan bir fizik teorisi insan kavrayışından öte ise [27], Yapay Zeka da bunu kesinlikle bulamayacaktır. Yapay Zeka nın ilk geliştirilen bileşeni Sembolik Çıkarımsama dır [21]. Bununla gerçekleştirilen çıkarımsamalar, insan eliyle gerçekleştirilenlerin aksine hatasızdır. Ancak, Sembolik Çıkarımsama nın iki çok önemli teorik sınırı bulunmaktadır. Bunların birincisi çıkarımsamaların dayandırıldığı bağlamların insan eliyle tanımlanması, ikincisi ise insan anlayışının ötesinde çıkarımsamalar yapılamamasıdır. Tam otomatik de olsa, Sembolik Çıkarımsama insan eliyle belirlenen mantıksal kurallar bağlamında gerçekleştirilmektedir. Bu mantıksal bağlamlar Yapay Zeka nın kendisinden beklenmeyen hiç bir şeyi çıkarımsayamamasını sağlamaktadır. Örneğin, öyle bir bağlam içerisinde programlanmadığında Yapay Zeka çevresindeki insanlara zarar veremez. Oysaki insanlar insanlara zarar vermeyi bir sürü yeni bağlamlar üreterek kendilerine haklı gösterebilir ya da daha kötüsü hatalı çıkarımsamalarla bu noktaya varabilirler. Bu açıdan insanlar Yapay Zeka dan daha tehlikelidir. Sembolik Çıkarımsama her ne kadar hatasız da olsa, bilimsel çalışmalar hem insan, hem de bilgisayar eliyle çıkarımsanamayacak doğru önermeler olduğunu göstermiştir [7]. Yapay Zeka nın belki de en önemli bileşeni Yapay Öğrenme dir. Yapay Zeka günümüzdeki önemine Yapay Öğrenme uygulamalarının geliştirilmesiyle kavuşmuştur. Yapay Öğrenme nin kuvveti eldeki verinin boyutları ile sınırlıdır. Her geçen saniye milyonlarca verinin üretildiği günümüz dünyasında bu nedenle Yapay Öğrenme nin insanların şimdiden çok iyi olduğu ve çok özelleştiği resimdeki objeleri ayırt etme gibi işlerde bile insanları yakın zamanda geçeceği açıktır [1]. Yapay Zeka nın üç bileşeni için de geçerli olan en büyük sınır bilinç sınırıdır. Yapay Zeka nın çalışacağı bağlamlar, öğrenmenin gerçekleştirilme yö-
4 4 YAVUZ KÖROĞLU nelimleri ve amaçları, evrimsel keşiflerin hangilerinin yararlı olup doğal seçilimle kazanılacağı gibi olguların hepsi insan eliyle tanımlanmaktadır. Bunlar Yapay Zeka için tepeden inme şeylerdir. Bunların yokluğunda Yapay Zeka çalışmaz. Bunları da otomatik belirleyebilmesi için Yapay Zeka nın kendisini çevresiyle diyalektik ilişkiler kuran bir özne olarak algılayabilmesi, kısaca bir bilinç sahibi olması gerekmektedir. İnsan bilincini tam olarak açıklayan bir teori günümüzde hala bilim insanları için bir arayıştır [28]. Dolayısıyla Yapay Bilinç kavramı da henüz modellenememektedir. İnsanlığın yerine geçebilecek şey, Yapay Zeka değil, olsa olsa Yapay Bilinç olabilir. Bu da var olmadığı için Yapay Zeka ne kadar ilerlerse ilerlesin insanlık için bir araç olmaya devam edecektir. Merak edenler için insan bilincinin kabul görmemiş olası bir modeli Julian Jaynes in Bikameral Aklın Analizinde Bilincin Kökenleri isimli kitabında bulunabilir [9]. Bilincin modellenip modellenemeyeceği, modellenirse Yapay Zeka nın yerimizi alıp alamayacağı yorumları ise spekülasyondan ibarettir. Pratik Sınırlar Yapay Zeka günümüzde daha çok bireylerin yaşam kalitelerinin artırılması için kullanılmaktadır. Örneğin arama motorları ve otomatik kelime düzelticiler günlük yaşamının kolaylıkla yaygın birer parçası olmuştur. Yapay Zeka nın insanlığa faydaları bu şekilde bireysel alanla sınırlı kalamaz. Son bilimsel çalışmalar Yapay Zeka nın Şehir Planlaması, İnsansız Ulaşım, ve İnsansız Tarım alanlarında en verimli çözümleri geliştirebildiğini göstermiştir. Bu çözümlerin toplumsal yaşantımıza girmemesinin sebebi ise Yapay Zeka nın bu şekilde kullanıldığında diyalektik olarak toplumsal düzeni değiştirecek yönde etki yapacak olmasıdır. Otomatik Şehir Planlaması Otomatik şehir planlaması, günümüzde tatmin edici çözümleri geliştirilmiş bir Yapay Zeka uygulamasıdır [5]. Otomatik şehir planlaması şehir trafiğini en asgari düzeye indirmeyi amaçlar. Bunu da şehir sakinlerini işyerlerine olan toplam uzaklığı en asgari düzeye indirecek şekilde konutlara yerleştirerek yapmaktadır. Sonuç olarak bu yaklaşım soruna utiliteryen bir çözüm geliştirmektedir. Şehir planlaması için otomatik utiliteryen çözüm pratikte uygulanamaz. Çünkü şehir sakinlerinin istedikleri konutların piyasada farklı değerleri vardır. Piyasa kısıtları eklendiğinde iyi bir çözüm bulmak Yapay Zeka için bile zor olabilir ya da daha kötüsü trafik seviyelerini düşük tutma açısından tatmin edici bir şehir planlaması çözümü geliştirilemeyebilir hale gelebilir. Dolayısıyla günümüzde ancak bireysel bazda satılık ev önerileri veren sistemler geliştirilebilir. Otomatik şehir planlaması ise bilimsel çalışmalarda yapıldığı haliyle ancak burjuva mülkiyet anlayışının tamamen kaldırılmış olduğu bir toplumda, tüm konutlar tüm şehir sakinlerine aitken yapılabilir. İnsansız Ulaşım Hiçbir insan idaresi gerektirmeyecek toplumsal ulaşım mekanizmaları İnsansız Ulaşım başlığında incelenir. İnsansız Ulaşım da bilimsel alanda yapılan çalışmalar sonucu artık mümkündür [19]. İnsansız Ulaşım ın pratikte uygulanaması bazı sıkıntılar içermektedir. Örneğin, otomatik pilotlu bir otomobil piyasaya sürüldüğünde bundan öncelikle ancak belli bir kesim yararlanabilecektir. Bu da trafikteki birçok aracın uzun bir süre insan sürücüler tarafından kulanılmaya devam etmesiyle sonuçlanır. Deneyler otomatik pilotun diğer otomatik pilotlar ile neredeyse hatasız çalıştığını gösteriyor olmasına rağmen şehir içi trafiğinde insanın işin içine girmesiyle kaza miktarlarında artış görülecektir. Oysa tüm araçların bir kerede otomatik pilota geçirilmesi toplumun can güvenliği açısından en iyisi olacaktı. Bunun ise günümüz düzeninde gerçekleştirilmesi mümkün değildir. İnsansız Tarım Günümüzde İnsansız Tarım dendiğinde akla sadece tarım üretiminin otomatikleştirilmesi gel-
5 YAPAY ZEKA NIN TEORİK VE PRATİK SINIRLARI 5 mektedir [22]. Bu terimin tarım üretiminin, üretim sonucu oluşan ürünlerin taşınmasının, ve taşınarak ulaştırılan ürünlerin pazarlanması işlemlerinin hiçbirinin insan idaresi gerektirmeyecek biçimde yapılmasını içeren mekanizmalar için kullanılması daha doğru olacaktır. Tarım üretiminin otomatikleştirilmesi Yapay Zeka ile artık mümkündür. Taşınma işlemi de İnsansız Ulaşım yardımıyla gerçekleştirilebilir. Pazarlama mekanizmaları da başka bir alan olarak bilimsel çalışmaların konusu olmuştur ve bunlar için de tatmin edici Yapay Zeka tabanlı sistemler geliştirilmiştir. Kısaca, bütün aşamalarını kapsayacak şekilde İnsansız Tarım yapmak mümkündür. İnsansız Tarım yapmak içinde yaşadığımız düzen içinde mümkün olamaz. Günümüz düzeni üretimin sürekliliğini sağlayabilmek için kar, yani artı değer elde etmeyi gerektirir. İnsanın kullanılmadığı bir üretim ve pazarlama sürecinde artı değer elde edilemez. Çünkü bu işleri yapan makineler tam olarak maliyetleri kadar değer tüketeceklerdir ve serbest piyasa mekanizmaları satış fiyatlarının bu maliyetlerden yüksek olmasına izin vermeyecektir. Kısaca İnsansız Tarım artı değer, yani kar elde edilemeyecek bir üretim şeklidir. İnanılması ne kadar güç de olsa hiçbir şirket de dolayısıyla tamamen İnsansız Tarım yapmayacaktır. İnsansız Tarım ancak üretim sürekliliğinin direk toplum ihtiyacına göre sağlandığı bir koşulda gerçekleştirilebilir. Bilinç Tartışmaları Tartışma Bilinç, zeka, ve yetenek kavramları aslen birbirinden tamamen bağımsız kavramlar değildir. Bu yazıda soyutlama düzeyinde, yazının amaçlarına uygun olarak bir ayrıma gidilmiştir. Günümüzde var olan Yapay Zeka ile bilim kurgu filmlerinde gördüğümüz Yapay Bilinç, birbirine bağlı şeylerdir. Ama henüz Yapay Bilinç modellenmemiştir. Yapay Bilinç yok iken henüz dünyanın tehlike altına girmesi düşük ihtimaldir. Bunun altı çizilmek istenmiştir. Church-Turing tezi, hem insanların, hem makinelerin farkına varamayacağı işlevsel bağlamlar olduğunu ve bu bağlamları kavrama konusunda eşit olduğumuzu söylememektedir. Daha çok genel bir bilinç algısının maddi ilişkilerle sınırını tanımlamaktadır. Örneğin, 2+2=5 gibi bir bağlam mümkündür ve tabiki kavranabilir. Ama madde ile hiçbir ilişkisi olmayan bu bağlamın hiçbir bilinçli varlık tarafından üretilmesi ve hayata geçirilmesi mümkün olmayacaktır. Bu bilinç sınırı tüm bilinçler için geçerli olup diyalektik düşünme tarzının bir ürünüdür. Belki bir Yapay Bilinç belli başlı konularda insanlardan daha bilinçli olabilir. Örneğin, trafik kazaları konusunda Yapay Bilinç in Yapay Zeka ile işlediği veri insanın işleyebileceğinden her zaman daha fazla olacaktır. Bu Yapay Bilinç i daha şimdiden daha bilinçli kılıyor denilebilir. Burada denilmek istenen bu bilincin de çevresiyle ilişkilerden tamamen bağımsız olamayacağı ve belki de bu yüzden insanlığa karşı çok düşük bir tehlike arz ettiğidir. Zeka-Yetenek Farkı Zekanın çözüm üretme yetisi olduğunu söyledik, fakat halk arasında zeka bilinen çözümlerin çok iyi gerçekleştirilmesi ile de eşleştirilmektedir. Örneğin bir kişinin konuşmalarını dinlerken onun çok zeki olduğunu düşünebiliriz, çünkü çok etkileyici konuşmanın yöntemlerini iyi uygulamaktadır. Bu kişi için kullanmamız gereken doğru kelime o kişinin yetenekli olduğudur. Bilgisayarlar için de aynı şey geçerlidir. Her geçen gün aynı algoritmaları saatlerce bitiremeyen bilgisayarlara karşı saniyeler içinde çözüme ulaşan daha yetenekli bilgisayarlar geliştirilmektedir. Moore Kanunu na göre bu anlamda yetenekteki ilerleme asla son bulmayacaktır [10]. Kesin teorik sınırları bulunan Yapay Zeka gelişimi ile teorik sınırları olmayan yetenek gelişimini karıştırmamak gerekir. Yapay Zeka Tehlikeli Mi? Stephen Hawking gibi bilim adamları Yapay Zeka nın dünyayı yok edebileceğini ileri sürmek-
6 6 YAVUZ KÖROĞLU tedir [16]. Dünyadaki bütün bilimsel gelişmeler, direk olarak insanlığı yok edemeseler de bu potansiyeli doğurabilecek başka gelişmelere zemin hazırlayabilirler. Bu zemin de ancak insan eliyle tehlikeli hale getirilebilir. Bunun dışında Yapay Zeka nın bir tehlikesi yoktur. Yapay Zekanın tek başına insanlığı sonlandırabilecek veya onun yerini alabilecek bir bilinç üretebilmesi için en azından maddeyle ilişkilendirilmesi çok büyük bir süreç içinde evrim geçirmesi gerekli gözükmektedir. Yapay Bilinç in üretilip dünyayı ele geçirmesi, teorik olarak düşük bir olasılıktır. Dünyanın Yapay Zeka dan çok Hidrojen bombasından korkması gerekir. O bomba dahi kendi kendine değil, bir insan tarafından kullanıldığında patlayacaktır. Yapay Öğrenme konusunda dünyaca tanınmış bir uzman olan Ethem Alpaydın da Yapay Zeka nın dünyayı ele geçirmesinden önce Yapay Öğrenme nin yanlış ya da yetersiz veriyle kullanılmasının tehlike arz ettiğini söylemiştir [1]. İnsanoğlu çok çeşitli nedenlerden ötürü Yapay Öğrenme sistemlerini yanlış veya yetersiz kullanabilir. Bu nedenlerin başında günümüzdeki hızlı ve düşük maliyetli üretim baskısı gelmektedir. Bu durum kritik uygulamaları olan Yapay Zeka nın hastalık teşhisinde yanılmasına, kaza yapmasına, ve daha birçok felakete yol açabilir. Yapay Zeka nın güvenli kullanımı için veri bulma ve öğrenme süreçlerinin kar baskısından arındırılması şarttır. Tanım Tartışmaları Zekanın bu yazıdaki tanımı insan zekasının tamamını açıklayıcı nitelikte değildir. Zekanın bilim çevrelerinde birden çok tanımı bulunmakla beraber bu tanımların hiçbirinin bu bildirideki tartışmalar açısından bir önemi bulunmamaktadır. Zekanın belirli koşullar altında insan gözüyle ayırt edilemeyecek gerçeklikte modellenmiş olduğunu kabul etmek bu bildirinin iddialarını desteklemek için yeterlidir. Sonuç Yapay Zeka dünyamızı yok edecek tehlikeli bir buluş değildir. Yapay Zeka, sınırlarına vakıf olduğumuz ve bu sınırları günümüzde dahi zorlayabileceğimiz bir bilimsel gelişmedir. William Gibson ın da dediği gibi, ileride olacağını hayal ettiğimiz şeylere zaten sahibiz, tek problemimiz bunların eşit dağılmıyor olmasında yatmakta 1. Artık bilim insanının düşünmesi gereken şey toplumsal yaşamın Yapay Zeka ile ilerletilebilecek şekilde yeniden nasıl düzenlenebileceğidir. Böylelikle Yapay Zeka hepimizin eşit yararlanabileceği şekilde kullanılabilir. Bu gerçekleştiğinde Yapay Zeka da yazının bulunması ve buharlı makinelerin icadı gibi önemli tarihsel gelişmelerin arasında hakettiği yeri alacaktır. Teşekkür Bu çalışmada benimle beyin fırtınası gerçekleştirmiş arkadaşlarım Gönül Aycı, Onur Güngör, Sercan Kabakcı, ve Tülay Ercan isimlerine teşekkürü bir borç bilirim. Ek: Algoritmalar Tanım 3 Algoritma : Belli bir sorunu çözmek veya belirli bir amaca ulaşmak için tasarlanan yol. [24] Örnekler : (Kolaydan zora doğru) Menemen pişirmek, çalışmayan bir lambayı çalıştırmak, evden işe gitmek, yapılacak işleri en verimli şekilde sıraya dizmek, şehir planlaması yapmak vb. Tanım 4 Birim: Daha küçük parçalarına ayrılması gerekmeyen, ilgili herkes tarafından gerçekleştirilebilecek basit görevler. Örnek: (Menemen pişirmek) 1. Domates ve yeşil biberi yıkayın, domateslerin kabuklarını soyun ve küp küp doğrayın. Biberin saplarını ve çekirdeklerini alıp ince ince kıyın. 2. Tereyağını sahana alın, 1 The future is already here, it s just not very evenly distributed - William Gibson
7 YAPAY ZEKA NIN TEORİK VE PRATİK SINIRLARI 7 Yapay Zeka farklı bileşenlerden oluşmakla beraber neredeyse asla bütün bileşenlerini içerecek şekilde kullanılmaz. Bunun nedeni verili problemin çözümü için bütün bileşenlerin zaten aynı işi yapacak olmasıdır. Genellikle sorunlar karşısında burada bahsedilen bileşenlerden en uygun olanı insan eliyle seçilir. Sembolik Çıkarımsama Şekil 1. Lamba Çalıştırma Akış Çizelgesi Bu şekil [26] üzerinden alıntılanmıştır. üzerine biberleri ekleyin ve orta ateşte yaklaşık 2 dakika kadar kavurun. 3. Doğradığınız domatesleri yeşil biberin üzerine ekleyin. Tuz ve karabiberle tatlandırıp domatesler yumuşayıncaya kadar yaklaşık 7-8 dakika pişirin ve kekiği ilave edin. 4. Pişen domateslere önceden bir kap içine kırdığınız yumurtaları ilave edin. 5. Çırpılmış yumurtayı tavaya ekle. 6. Ara ara karıştırarak istediğiniz kıvama gelinceye kadar pişirin ve servis yapın. [13] Algoritmalar art arda gelen birimlerden oluşur. Algoritmalar, içinde bulunulan ortamın o anki koşullarına bağlı olarak akış çizelgeleri olarak da tanımlanabilir. Buna benzer bir akış çizelgesini Şekil 1 içerisinde görmek mümkün. Çalışmayan bir lambanın çalışır hale getirilmesi, bu şekilde farklı koşullara bağlı olarak birimlerin akışının değişimi olarak tanımlanmıştır. Ek: Yapay Zeka nın Bileşenleri Sembolik Çıkarımsama verili önermelerin mantıksal sonuçlarının otomatik olarak hesaplanması için kullanılır. Örneğin, p önermesi lambanın fişi takılı olsun. q önermesi ampul patlak, r önermesi de yeni ampul almak gerekiyor olsun. Lamba bozukluğu için çıkarımlar yapmak gerekiyorsa, siz p ise q ve q ise r derseniz, bilgisayar p ise r çıkarımını otomatik olarak gerçekleştirebilir. Bilgisayarın yaptığı çıkarımlar belli kurallara/bağlamlara bağlıdır. Burada verilen örnekte p ise r çıkarımını yapmak için mantık sürecinin Modus Ponens isimli kuralından yararlanılmıştır. Bu kural bize basitçe ise bağlacının geçişken olduğunu söylemektedir. Sadece ve sadece Yapay Zeka ya bu kural önceden tanıtılmış ise Yapay Zeka söz konusu çıkarımı yapabilir. Diğer türlü p ise r çıkarımını gerçekleştirmek mümkün değildir. Belli önermelerin doğruluğu Yapay Zeka ya önceden verilirse, bu önermeler Sembolik Çıkarımsama nın bağlamını oluşturur. Örneğin, k önermesi insanlar öldürülmez olsun. Bu k önermesi Yapay Zeka ya bağlam olarak verilsin. Sonradan Yapay Zeka ya verilecek hiçbir önerme k nın tersinin çıkarımsanmasını sağlyamaz. Ancak ve ancak Yapay Zeka bir çelişkiye düşerek sonlanabilir. Çelişki durumunda da Yapay Zeka bir sonuç üretmeden sonlanır. Yapay Öğrenme Yapay Öğrenme, verili geçmiş durumlardan genellemeler yapmayı modelleyen bir bileşendir. Şekil 2, 1936 yılında gerçekleştirilmiş taksonomik bir çalışmanın ölçümlerini göstermektedir [6]. Bu çalışma kapsamında iris çiçeğinin üç farklı türü üzerinde ölçümler yapılmıştır. Bu ölçümlere bakarak bir Yapay Zeka, yeni ölçümlerin hangi türe ait
8 8 YAVUZ KÖROĞLU Iris-setosa Iris-setosa Iris-setosa Iris-setosa Iris-setosa Iris-setosa Iris-setosa Iris-versicolor Iris-versicolor Iris-versicolor Iris-versicolor Iris-versicolor Iris-versicolor Iris-versicolor Iris-versicolor Iris-virginica Iris-virginica Iris-virginica Iris-virginica Iris-virginica Iris-virginica Iris-virginica Iris-virginica ? Şekil 2. Sınıflandırma için İris Çiçeği Ölçümleri 2 olduğunu çok az ama sıfır olmayan bir hata payı ile tahmin edebilir. Yapay Öğrenme nin hata payı ve yaptığı genellemeler kendisine verilen veri ile sınırlıdır. Ancak yanlış veya yetersiz veri verilirse Yapay Öğrenme beklenmedik sonuçlar verebilir. [1] Genetik Algoritma Genetik Algoritma keşif süreçlerinin evrimsel bir modellemesidir. Bu modelde Yapay Zeka ya hiçbir kural/bağlam verilmez ya da hiçbir geçmiş veri sunulmaz. Onun yerine Yapay Zeka nın yaptığı keşiflerin uygunlukları sıfır ile bir arasında bir sayı olarak belirlenir. Yapay Zeka da uygunluğu bir olan bir keşif yapana kadar denemeler yapmaya devam eder. Şekil 3 bir genetik algoritma ile kaybedemediklerimizdensiniz kelimesinin keşfini göstermektedir. Yapay Zeka söz konusu keşfi 21 de- Hedef = kaybedemediklerimizdensiniz t = 1 okzdpinnbjvddypdlwyjgqsomdz t = 2 lfsafafgnknnhgtkchzjukszljw t = 3 ndmanhkhiewkndulorycitxmmhu t = 4 uayhfebjcdyqnhtlniyfththoiq t = 5 pgyadabeiadhlcqslhybdhsfmlx t = 6 mawafgeiffhnrgrcckydesqhlnx t = 7 kdwbcjdnddirleqhofyeigsfnox t = 8 kbyacddnceiklerjnfyeihqmnlw t = 9 kbyacddnceiklerjnfyeihqmnlw t = 10 kbyccddnceimlfsjkgyeensjnly t = 11 lbxbecdnddjkiepimgzfcnshngx t = 12 layahdfmediildrinkyedpthojz t = 13 kbzbeeeiedikldsimhzeensinjz t = 14 lbxbdcdnedjilerinhzfensiniz t = 15 kaxbedcmeeijlerimjzddnrjniz t = 16 kaybedemedijlerinhzdfnriniz t = 17 kaybedemedijlerinhzdfnriniz t = 18 kaybfddmddiklerimizdfnsiniz t = 19 laybedemedikkerimizdensiniz t = 20 kbybedemediklerimizdensiniz t = 21 kaybedemediklerimizdensiniz 1 Şekil 3. Bir Genetik Algoritma Örneği 3 nemede gerçekleştirmiştir. Bu Yapay Zeka her denemesinde bulabildiği en iyi kelimeyi ve o kelimenin uygunluk sayısını ekrana bastırmaktadır. Başta alakasız görünen bir keşfin zamanla en doğru kelimeye ne kadar yaklaştığı böylece görülebilmektedir. Genetik Algoritma doğal seçilim prensibi ile çalışır. Her denemede uygunluğu düşük keşifler ölürken, uygunluğu yüksek olan keşifler de çiftleşmekte ve mutasyona uğramaktadır. Keşiflerin uygunluk değerleri insan eliyle belirlenen bir fonksiyon tarafından hesaplanır. Kötü fonksiyonlar amaçsız keşiflerin yapılmasına neden olabilir, ama Yapay Zeka kendisine dikte edilen uygunluk fonksiyonuna aykırı keşiflerde bulunamaz. 2 Ölçümlerin sadece bir kısmı gösterilmektedir. 3
9 YAPAY ZEKA NIN TEORİK VE PRATİK SINIRLARI 9 Kaynaklar [1] E. Alpaydın. Yapay Öğrenme. Boğaziçi Üniversitesi Yayınevi, [2] A. Church. The richard paradox. The American Monthly, 41, [3] C. Darwin. On the origin of species by means of natural selection, or, the preservation of favoured races in the struggle for life [4] J.O. de La Mettrie. L Homme Machine - Scholar s Choice Edition. Scholar s Choice, [5] R. Katoshevski-Cavari et al. Sustainable city-plan based on planning algorithm, planners heuristics and transportation aspects. Procedia - Social and Behavioral Sciences, 20: , [6] R. A. Fisher. The use of multiple measurements in taxonomic problems. Annual Eugenics, 7: , [7] K. Gödel. Zum intuitionistischen aussagenkalkül [8] Grammarly Inc. Grammarly: Free Grammar Checker, [9] J. Jaynes. The Origin of Consciousness in the Breakdown of the Bicameral Mind. Houghton Mifflin Harcourt, [10] G. E. Moore. Cramming more components onto integrated circuits. Electronics, 38, [11] H. Putnam. The nature of mental states. Readings in Philosophy of Psychology, 1: , [12] J. Slocum. A survey of machine translation: its history, current status, and future prospects. Computational Linguistics, [13] N. Tulum. Menemen nasıl yapılır?, [14] A. M. Turing. Computability and λ-definability. The Journal of Symbolic Logic, 2: , [15] A. M. Turing. Computing machinery and intelligence. Mind, [16] Sputnik Türkiye. Hawking: Yapay Zeka İnsanlığı Bitirebilir, hawking-yapay-zekainsanlik/. [17] G. Adomavicius ve A. Tuzhilin. Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE transactions on knowledge and data engineering, [18] C. Demir ve B. Yener. Automated cancer diagnosis based on histopathological images: a systematic survey. Technical report, Rensselaer Polytechnic Institute, [19] P. A. Ioannou ve C. C. Chien. Autonomous intelligent cruise control. IEEE Transactions on Vehicular technology, 42: , [20] M. K. Das ve H. Dai. A survey of dna motif finding algorithms. BMC Bioinformatics, 8(7):S21, [21] A. Newell ve H. Simon. The logic theory machine a complex information processing system. IRE Transactions on information theory, 2(3):61 79, [22] C. L. McCarthy ve S. R. Raine. Applied machine vision of plants: a review with implications for field deployment in automated farming operations. Intelligent Service Robotics, 3: , 2010.
10 10 YAVUZ KÖROĞLU [23] N. Brown ve T. Sandholm. Libratus: The superhuman ai for no-limit poker. In Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence, [24] Wikipedia. Algoritma, [25] Wikipedia. Man a Machine, en.0wikipedia.org/wiki/man_a_machine. [26] Wikipedia. A simple flowchart for troubleshooting a broken lamp, [27] Wikipedia. Theory of everything, [28] S. Zeki. The disunity of consciousness. Trends in cognitive sciences, 7: , 2003.
Yapay Zeka nın Teorik ve Pratik Sınırları. Yavuz Köroğlu VI. Evrim, Bilim, ve Eğitim Sempozyumu
Yapay Zeka nın Teorik ve Pratik Sınırları Yavuz Köroğlu VI. Evrim, Bilim, ve Eğitim Sempozyumu Zeki Sistemler Artık Heryerde Zeki Sistemler Artık Heryerde Zeki Sistemler Artık Heryerde Zeki Sistemler Artık
Yapay Zeka İle Aramızdaki Fark
Yapay Zeka İle Aramızdaki Fark Yapay zeka kavramını az çok hepimiz duymuşuzdur. Yapay zeka denildiğinde aklımıza uçan robotlar, bizden daha zeki, Dünya savaşlarında başrol oynayan demirden yapılar gelir.
BLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik
BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın
Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
Bulanık Kümeler ve Sistemler. Prof. Dr. Nihal ERGİNEL
Bulanık Kümeler ve Sistemler Prof. Dr. Nihal ERGİNEL İçerik 1. Giriş, Temel Tanımlar ve Terminoloji 2. Klasik Kümeler-Bulanık Kümeler 3. Olasılık Teorisi-Olabilirlik Teorisi 4. Bulanık Sayılar-Üyelik Fonksiyonları
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
Kuantum Bilgisayarı ve Qbit
Kuantum Bilgisayarı ve Qbit Teknoloji hızla ilerliyor, fakat ne kadar ilerlerse ilerlesin bu gelişmeler genellikle tekdüze bir doğrultuda devam ediyor. Bilgisayar bilimlerinde Moore Yasası denen basit
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
BİÇİMSEL YÖNTEMLER (FORMAL METHODS) Betül AKTAŞ Suna AKMELEZ
BİÇİMSEL YÖNTEMLER (FORMAL METHODS) Betül AKTAŞ 14011021 Suna AKMELEZ 14011050 Biçimsel Yöntemler Nedir? Nerede Kullanılır? Biçimsel Tasarım Biçimsel Yöntemlerin Yararları Biçimsel Yöntemlerin Zayıf Yönleri
Esnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
Programlama Nedir? Bir bilgisayar bilimcisi gibi düşünmek ve programlama ne demektir?
2.1.1. PROGRAMLAMA NEDIR? Programlama Nedir? Bir bilgisayar bilimcisi gibi düşünmek ve programlama ne demektir? Bu düşünme şekli matematiğin, mühendisliğin ve doğa bilimlerinin bazı özelliklerini birleştirmektedir.
1.Yazılım Geliştirme Metotları 1
1.Yazılım Geliştirme Metotları 1 1.1 Klasik Çevrim(Waterfall) 1.2 V Modeli 1.3 Prototipleme/Örnekleme 1.4 Spiral Model 1.5 Evrimsel Geliştirme 1.6 Evrimsel Prototipleme 1.7 Artımlı Geliştirme 1.8 Araştırmaya
Bilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1
Bilgisayar Mühendisliği Bilgisayar Mühendisliğine Giriş 1 Mühendislik Nedir? Mühendislik, bilim ve matematiğin yararlı cihaz ve sistemlerin üretimine uygulanmasıdır. Örn: Elektrik mühendisleri, elektronik
Öğrenme nedir? Büyüme ve yaşa atfedilmeyecek yaşantılar sonucunda davranış ve tutumlarda meydana gelen nispeten kalıcı etkisi uzun süre
Öğrenme nedir? Büyüme ve yaşa atfedilmeyecek yaşantılar sonucunda davranış ve tutumlarda meydana gelen nispeten kalıcı etkisi uzun süre değişimlerdir. Öğrenmede değişen ne???? İnsan ve hayvan arasında
(Computer Integrated Manufacturing)
1 (Computer Integrated Manufacturing) 2 1 Bilgisayarlı Sayısal Kontrol; ekipman mekanizmaların hareketlerinin doğru ve hassas biçimde gerçekleştirilmesinde bilgisayarların kullanılması, programlama ile
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS YAPAY ZEKA BG-421 4/2 2+1+0 2+.5 4 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS
FUTBOL SAHASINDA DENKLEM ÇÖZÜMÜNÜN ÖĞRETİMİ
FUTBOL SAHASINDA DENKLEM ÇÖZÜMÜNÜN ÖĞRETİMİ ln Grubu PROJE EKİBİ Cevat Aslan ÖZKAN (MERKEZ YİBO- ARDAHAN) Ahmet Onur YARDIM ( Merkez İMKB YİBO- SİİRT) Nihat DİKBIYIK ( Güzelsu YİBO- GÜRPINAR/VAN) AMAÇ
BULANIK MANTIK (FUZZY LOGIC)
BULANIK MANTIK (FUZZY LOGIC) Bulanık mantık ilk olarak 1965 yılında Lütfü Aliasker Zade nin yayınladığı bir makalenin sonucu oluşmuş bir mantık yapısıdır ve yayınladığı Fuzzy Sets makalesinde bulanık kümelerin
Fonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
ORGANİZASYONLARDA ÇEVREYE UYUM ve DEĞİŞİMLE İLGİLİ YAKLAŞIMLAR
ORGANİZASYONLARDA ÇEVREYE UYUM ve DEĞİŞİMLE İLGİLİ YAKLAŞIMLAR Yönetim düşünce ve yaklaşımlarını üç genel gruplama ve bakış açısı içinde incelemek mümkündür: -Postmodernizm bakış açısının gelişmesi -Yönetim
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Biçimsel Diller ve Soyut Makineler BİM-321 3/II 3+0+0 3 5 Dersin
Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi
Bil101 Bilgisayar Yazılımı I Bilgisayar Yüksek Mühendisi Yazılım, değişik ve çeşitli görevler yapma amaçlı tasarlanmış elektronik araçların birbirleriyle haberleşebilmesini ve uyumunu sağlayarak görevlerini
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest
225 ARAŞTIRMA YÖNTEMLERİ. Yrd. Doç. Dr. Dilek Sarıtaş-Atalar
225 ARAŞTIRMA YÖNTEMLERİ Yrd. Doç. Dr. Dilek Sarıtaş-Atalar Bilgi Nedir? Bilme edimi, bilinen şey, bilme edimi sonunda ulaşılan şey (Akarsu, 1988). Yeterince doğrulanmış olgusal bir önermenin dile getirdiği
Alkın Küçükbayrak alkin@superonline.com. Çeşitli Alanlarda Yapay Zeka Ajanları I
Alkın Küçükbayrak alkin@superonline.com Çeşitli Alanlarda Yapay Zeka Ajanları I Bundan önceki yazılarımızda Yapay Zeka nın tanımını yaptık ve kullandığı yöntemleri temel ve ileri yöntemler olmak üzere
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
Adana Toplu Taşıma Eğilimleri
Adana Toplu Taşıma Eğilimleri Doç. Dr. Mustafa Gök Elektrik Elektronik Mühendisliği Bilgisayar Bilimleri Ana Bilim Dalı Başkanı 13.06.2014 Doç. Dr. Mustafa Gök (Ç. Ü.) Adana Toplu Taşıma Eğilimleri 13.06.2014
Evrim Teorisine Giriş. Evrim çoğunluk tarafından yanlış bilinir, fakat bu durum herkesin evrim hakkında bir fikri olmasını engellemez.
Evrim Teorisine Giriş Evrim çoğunluk tarafından yanlış bilinir, fakat bu durum herkesin evrim hakkında bir fikri olmasını engellemez. Yeterince araştırmadan, yalnızca bir tanım duyarak yapılan yorumları
DERS BİLGİLERİ. Ders Kodu Yarıyıl T+U Saat Kredi AKTS. İşletmelerde Simülasyon MAN
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS İşletmelerde Simülasyon MAN424 8 3 + 0 3 5 Ön Koşul Dersleri Dersin Dili Almanca Dersin Seviyesi Lisans Dersin Türü Zorunlu Dersin Koordinatörü Prof.Dr.
ISBN
Bu kitapta verilen örnek ve öykülerde ve kitabın metnindeki açıklamalarda sağlık, hukuk, yatırım gibi çeşitli alanlardan uzmanlık bilgilerine yer verilmiştir. Bu uzmanlık bilgileri sadece kitabın konusuyla
SİMÜLASYON Hazırlayan: Özlem AYDIN
SİMÜLASYON Hazırlayan: Özlem AYDIN Not: Bu sunumda Yrd. Doç. Dr. Yılmaz YÜCEL in Modelleme ve Benzetim dersi notlarından faydalanılmıştır. SİMÜLASYONUN ORTAYA ÇIKIŞI Simülasyonun modern anlamda kullanılışı
Alkın Küçükbayrak alkin@superonline.com. Bilim Dalı Olarak ve Uygulamada "Yapay Zeka"
Alkın Küçükbayrak alkin@superonline.com Bilim Dalı Olarak ve Uygulamada "Yapay Zeka" Bir önceki yazımızda beyin simulatörlerinden bahsetmiştik. Beynin işlevlerini deşifre etmeye yönelik çalışmalardan biri
YÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
Problem çözme durumları öğretmen tarafından modellenmeli ve öğrenciler uygun sorular yardımı ile yönlendirilmelidir. Bir problem çözüldükten sonra,
Problem Çözme Problem Çözme Problem çözme esasen tüm öğrenme alanlarında pekiştirilen ve diğer beceriler ile ilişki hâlinde olan temel bir beceridir. Matematik öğretiminde problem çözme becerisine atfedilen
Eğitim Fakülteleri ve İlköğretim Öğretmenleri için Matematik Öğretimi
Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 19 (2012) 269-273 269 KİTAP İNCELEMESİ Eğitim Fakülteleri ve İlköğretim Öğretmenleri için Matematik Öğretimi Prof. Dr. Murat ALTUN Dilek SEZGİN
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS PROGRAMLAMA DİLLERİ BG-324 3/2 3+0+0 3+0 4 Dersin Dili : TÜRKÇE Dersin Seviyesi
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS YÖNEYLEM ARAŞTIRMASI - I ENM-11 /1 +0 Dersin Dili Dersin Seviyesi
DERS BİLGİLERİ. Ders Kodu Yarıyıl T+U Saat Kredi AKTS YÖNETİM VE ORGANİZASYON TEORİSİ MAN
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS YÖNETİM VE ORGANİZASYON TEORİSİ MAN 215 3 3 + 0 3 6 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü Dersin Koordinatörü Dersi Verenler Almanca
Üstün Zeka Kuramları. Renzuli-Gardner-Tannenbaum
Üstün Zeka Kuramları Renzuli-Gardner-Tannenbaum Üstün Zekayı Açıklayan Kuramlar Üstün zeka konusundaki kuramların temel çıkış kaynaklarını toplumsal değerler, bireysel yaşantılar, inanışlar ve bilimsel
MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
Bilgisayar Mühendisliği
Bilgisayar Mühendisliği Bülent Ecevit Üniversitesi Bilgisayar Mühendisliği Bölümü http://bilgisayar.beun.edu.tr İçerik Zonguldak Tanıtımı Üniversite Tanıtımı Mühendis Kimdir? Mühendisin Sorusu Bilgisayar
Albert Long Hall, Boğazi 4-55 Nisan 2008
Sıkca Karşılaştığım Sorular Robotumu Büyütüyorum Makineler düşünebilir ya da hissedebilir mi? Kendiliklerinden yeni beceriler edinebilirler mi? Vücut, beyin ve dış ortamın etkileşimi sorunlara yeni ve
YZM 2108 Yazılım Mimarisi ve Tasarımı
YZM 2108 Yazılım Mimarisi ve Tasarımı Yrd. Doç. Dr. Deniz KILINÇ Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi Yazılım Mühendisliği 1 BÖLÜM - 1 Yazılım Tasarımına Giriş Bu bölümde;
Uzaktan Eğitim ve E-Öğrenme (ISE 424) Ders Detayları
Uzaktan Eğitim ve E-Öğrenme (ISE 424) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Uzaktan Eğitim ve E-Öğrenme ISE 424 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i
DAVRANIŞ BİLİMLERİNE GİRİŞ
DAVRANIŞ BİLİMLERİNE GİRİŞ DAVRANIŞIN TANIMI Davranış Kavramı, öncelikle insan veya hayvanın tek tek veya toplu olarak gösterdiği faaliyetler olarak tanımlanabilir. En genel anlamda davranış, insanların
Muhammet Fatih AKBAŞ, Enis KARAARSLAN, Cengiz GÜNGÖR
Yazılım Tanımlı Ağların Güvenliğinde Yapay Zeka Tabanlı Çözümler: Ön İnceleme Muhammet Fatih AKBAŞ, Enis KARAARSLAN, Cengiz GÜNGÖR İzmir Katip Çelebi Üniversitesi, Muğla Sıtkı Koçman Üniversitesi, Ege
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Yapay Zeka BİM-433 4/II 2+2+0 3 4,5 Dersin Dili Dersin Seviyesi
İYİ MÜHENDİSLİK UYGULAMALARI NEDİR?
İYİ MÜHENDİSLİK UYGULAMALARI NEDİR? ASANSÖR DÜNYASI / SAYI:59 / MAYIS-HAZİRAN 2004 Sefa TARGIT Yönetmelik, teknik şartname, standart gibi metinlerde karşımıza çıkan ve mühendislik çevrelerinde kullanılan
Görev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS YAZILIM MÜHENDİSLİĞİ BG-411 4/1 3+0+0 3+0 5 Dersin Dili : TÜRKÇE Dersin Seviyesi
Piramit Satırları. Aşağıdaki girdi rakamlarından hangisi son satırda sonucun "0 (sıfır)" olmasını sağlar?
Piramit Satırları İşlem makinesi ilk satırdaki 4 rakamı girdi olarak almaktadır. Her satırda, makine sayılar arasındaki farkı hesaplamaktadır. Aşağıdaki resimde örnek bir işlem görülmektedir. Aşağıdaki
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS PROJE YÖNETİMİ ENM- / +0 Dersin Dili Dersin Seviyesi Dersin Önkoşulu
Yapay Zeka (MECE 441) Ders Detayları
Yapay Zeka (MECE 441) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yapay Zeka MECE 441 Bahar 3 0 0 3 4 Ön Koşul Ders(ler)i Yok Dersin Dili Dersin Türü
Araştırma Teknikleri
Prof.Dr. Filiz Karaosmanoğlu Yrd.Doç.Dr. Bayram Kılıç Ekim 11, 2010 Yalova Bilimsel Yöntem Modeli Bilimsel Yöntem Bilimsel yöntem, tümevarım ile tümdengelim yaklaşımlarının ayrı ayrı yeterli olamayışları
SEMBOLİK MANTIK MNT102U
DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. SEMBOLİK MANTIK MNT102U KISA ÖZET KOLAY
Yazılım Mühendisliği 1
Yazılım Mühendisliği 1 HEDEFLER Yazılım, program ve algoritma kavramları anlar. Yazılım ve donanım maliyetlerinin zamansal değişimlerini ve nedenleri hakkında yorum yapar. Yazılım mühendisliği ile Bilgisayar
T.C. İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ MÜFREDAT FORMU Ders İzlencesi
T.C. İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ MÜFREDAT FORMU Ders İzlencesi Sayı : Tarih : 8.9.216 Diploma Program Adı : MEDYA VE İLETİŞİM, ÖNLİSANS PROGRAMI, (UZAKTAN ÖĞRETİM) Akademik Yıl
DESIGN THINKING Şubat 2018
Şubat 2018 Design Thinking in Tarihçesi Design Thinking Nedir? Design Thinking in Yenilik Aktiviteleriyle İlişkisi Design Thinking Adımları ve Metodolojisi Design Thinking Örnek Çalışması Tarihsel Gelişimi
Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yapay Zeka Sistemleri BIL308 6 3+0 3 4
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Yapay Zeka Sistemleri BIL308 6 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu / Yüz Yüze Dersin
91-03-01-517 YAPAY ZEKA (Artificial Intelligence)
91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)
BİLİŞSEL PSİKOLOJİ VE BİLGİ İŞLEME MODELİ BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI
BİLİŞSEL PSİKOLOJİ VE BİLGİ İŞLEME MODELİ BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI BİLİŞSEL PSİKOLOJİ Neisser (1967) yılında bilişsel psikolojiyi; «Biliş terimi, duyusal girdilerin dönüştürüldüğü, azaltıldığı,
Bilimsel Yasa Kavramı. Yrd.Doç.Dr. Hasan Said TORTOP Kdz.Ereğli-2014
Bilimsel Yasa Kavramı Yrd.Doç.Dr. Hasan Said TORTOP Kdz.Ereğli-2014 Bilimsel yasa her şeyden önce genellemedir. Ama nasıl bir genelleme? 1.Bekarla evli değildir. 2. Bahçedeki elmalar kırmızıdır 3. Serbest
BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ
BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ Özgür ARMANERİ Dokuz Eylül Üniversitesi Özet Bu çalışmada, bir montaj hattı
İÇİNDEKİLER. Gelişim Kuramları 22 Eylem Kuramı ve Toplumsal Yapılandırmacılık 28
İÇİNDEKİLER Önsöz/ Ahmet Yıldız 5 Giriş 11 Psikoloji kökenli modeller 15 Davranışçılık 15 Bilişselcilik 17 Bilişsel Yapılandırmacılık 20 Gelişim Kuramları 22 Eylem Kuramı ve Toplumsal Yapılandırmacılık
Economic Policy. Opening Lecture
Economic Policy Opening Lecture Neden buradasın? economic policy iktisat üniversite Neden buradasın? iktisat öğrenmek (varsayalım!) geleceğin için üniversite diploma bilgi Neden buradasın? bilgi bilmek
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ (1) Y R D. D O Ç. D R. C. D E H A D O Ğ A N
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ (1) Y R D. D O Ç. D R. C. D E H A D O Ğ A N İnsan var olduğu günden bu yana, evrende olup bitenleri anlama, tanıma, sırlarını çözme ve doğayı kontrol altına alarak rahat ve
DERS BİLGİLERİ. Yönetim Bilgi Sistemleri BBA 384 Bahar 3+0+0 3 5
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Yönetim Bilgi Sistemleri BBA 384 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin Koordinatörü
Evrim Eğitiminde Engeller
Evrim Eğitiminde Engeller 1 Sınıftaki kavram yanılgıları Serhat İrez Evrimsel bakış açısı olmadan biyoloji anlamsızdır. 2 Evrim teorisi biyolojinin en temel teorisidir çünkü yaşamın hem bütünlüğünü hem
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS MATEMATİK-II FEB-121 1/ 2. YY 5+0+0 5 5 Dersin Dili Dersin Seviyesi : Türkçe
TEKNOLOJĠ PLANLAMASI. Başkent Üniversitesi
TEKNOLOJĠ PLANLAMASI Başkent Üniversitesi ÖĞRENĠM KAZANIMLARI Bu dersi bitirdiğinizde; Teknoloji planlamasının ne olduğuna ilişkin bilgi edinecek, Teknoloji planlamasının amacını öğrenecek, Teknoloji planı
Öğrenci hakkında varsayımlar; Öğretmen hakkında varsayımlar; İyi bir öğretim programında bulunması gereken özellikler;
Dersi iyi planlamak ve etkili sunmak öğrenci başarısını artırmanın ve sınıf düzenini sağlamanın yanında öğretmenin kendine olan güveninin de artmasını sağlar. Öğrenci hakkında varsayımlar; 1. Öğrenci saygılı
FEN BİLİMLERİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
FEN BİLİMLERİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS MATEMATİK-2 FM-121 1/ 2.YY 5 5+0+0 6 Dersin Dili : Türkçe Dersin Seviyesi : Lisans Dersin
Matematiksel Modelleme Etkinlikleri. Yrd. Doç. Dr. Nuray Çalışkan-Dedeoğlu Matematik Eğitimi ndedeoglu@sakarya.edu.tr
Matematiksel Modelleme Etkinlikleri Yrd. Doç. Dr. Nuray Çalışkan-Dedeoğlu Matematik Eğitimi ndedeoglu@sakarya.edu.tr THE BLIND MEN AND THE ELEPHANT John Godfrey Saxe's (1816-1887) Kafdağında Altı adam
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS İSTATİSTİK ENM- / +0 Dersin Dili Dersin Seviyesi Dersin Önkoşulu
Kavramsal Tasarım - II
Kavramsal Tasarım - II 25.12.2017 1 Genel çözüm bulma yöntemleri 25.12.2017 2 Kataloglar o Bir katalog, bazı teknik görev veya kısmi fonks (alt fonks) bilinen veya doğruluğundan emin olunan çözümler koleksiyonudur
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar
Okut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
11/26/2010 BİLİM TARİHİ. Giriş. Giriş. Giriş. Giriş. Bilim Tarihi Dersinin Bileşenleri. Bilim nedir? Ve Bilim tarihini öğrenmek neden önemlidir?
Bilim Tarihi Dersinin Bileşenleri BİLİM TARİHİ Yrd. Doç. Dr. Suat ÇELİK Bilim nedir? Ve Bilim tarihini öğrenmek neden önemlidir? Bilim tarihi hangi bileşenlerden oluşmaktadır. Ders nasıl işlenecek? Günümüzde
Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Otoma Teorisi Ve Biçimsel Diller BIL445 7 3+0 3 4 Ön Koşul Dersleri Yok Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu
ZAMAN YÖNETİMİ. Gürcan Banger
ZAMAN YÖNETİMİ Gürcan Banger Zamanım m yok!... Herkes, zamanının yetersizliğinden şikâyet ediyor. Bu şikâyete hak vermek mümkün mü? Muhtemelen hayır!... Çünkü zaman sabit. Hepimizin sahip olduğu zaman
de i im Kaizen Kamil BOLAT
Kaizen Kamil BOLAT Kaizen İyiye doğru değişiklikleri Her gün daha iyi için yapılan küçük değişiklikleri Yavaş, küçük ama sürekli iyileştirmeleri Müşteri memnuniyetini arttırmaya yönelik, herkes tarafından,
Akademik İngilizce I (ENG101) Ders Detayları
Akademik İngilizce I (ENG101) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Akademik İngilizce I ENG101 Güz 4 0 0 4 3.5 Ön Koşul Ders(ler)i Dersin Dili
12. SINIF MANTIK DERSİ SÖKE ANADOLU LİSESİ 1. ORTAK SINAVI KAZANIM TABLOSU (Sınav Tarihi: 4 Nisan 2017)
12. SINIF MANTIK DERSİ SÖKE ANADOLU LİSESİ 1. ORTAK SINAVI KAZANIM TABLOSU (Sınav Tarihi: 4 Nisan 2017) ÜNİTE: 2-KLASİK MANTIK Kıyas Çeşitleri ÜNİTE:3-MANTIK VE DİL A.MANTIK VE DİL Dilin Farklı Görevleri
PARALEL HESAPLAMA ÇAĞRI GİDER ENES BİLGİN
PARALEL HESAPLAMA ÇAĞRI GİDER 13011016 ENES BİLGİN - 13011004 Paralel Hesaplama Nedir? Paralel Hesaplamanın Avantajları Paralel Hesaplamanın Kullanım Alanları Paralel Hesaplama Yöntemleri, Donanım ve Yazılım
ALP OĞUZ ANADOLU LİSESİ EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI
ALP OĞUZ ANADOLU LİSESİ 2017-2018 EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI Doğru yanıtlar kırmızı renkte verilmiştir. 1. Problemlerin her zaman sıradan
DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Programlama Dillerinin Prensipleri BİM-323 3/II 3+0+0 3 4 Dersin
Spring Giriş Eğitimi
Spring Giriş Eğitimi Bu eğitimde Spring ın hangi problemlere karşı etkili olduğundan bahsedeceğim. Ayrıca çekirdek Spring teknolojisinin nasıl işlediği; Dependency Injection - DI ve Inversion of Contol
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS İŞ ETÜDÜ VE ERGONOMİ ENM- / +0 Dersin Dili Dersin Seviyesi Dersin
ETKILI BIR FEN ÖĞRETMENI
FEN BİLİMLERİ ÖĞRETMENLERİNİN YETİŞTİRİLMESİNDE DEĞİŞİM VE GEREKÇELER Öğrencinin performansını yükseltmek istiyorsanız kaliteli öğretmen yetiştirmek zorundasınız Alan bilgisi Genel eğitim ve kültür dersleri
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Ayrık Matematik BİM-214 2/I 3+0+0 3 2,5 Dersin Dili Dersin Seviyesi
Araştırmada Evren ve Örnekleme
6. Bölüm Araştırmada Evren ve Örnekleme 1 İçerik Örnekleme Teorisinin Temel Kavramları Örnekleme Yapmayı Gerekli Kılan Nedenler Örnekleme Süreci Örnekleme Yöntemleri 2 1 Giriş Araştırma sonuçlarının geçerli,
NX Motion Simulation:
NX Motion Simulation: Mekanizma Hareket Analizi UNIGRAPHICS NX yazılımının modüllerinden biri olan NX Motion Simulation, NX Dijital Ürün Tasarımı ailesinin mühendislik bileşenlerinden birisidir. Motion
Bilimsel Araştırma Yöntemleri I
İnsan Kaynakları Yönetimi Bilim Dalı Tezli Yüksek Lisans Programları Bilimsel Araştırma Yöntemleri I Dr. M. Volkan TÜRKER 7 Bilimsel Araştırma Süreci* 1. Gözlem Araştırma alanının belirlenmesi 2. Ön Bilgi
Temel Kavramlar Bilgi :
Temel Kavramlar Bilim, bilgi, bilmek, öğrenmek sadece insana özgü kavramlardır. Bilgi : 1- Bilgi, bilim sürecinin sonunda elde edilen bir üründür. Kişilerin öğrenme, araştırma veya gözlem yolu ile çaba
BİLGİSAYAR DESTEKLİ ÖĞRETİM GENEL BAKIŞ
BİLGİSAYAR DESTEKLİ ÖĞRETİM GENEL BAKIŞ Bilgi Çağı gereksinimleri Shift Happens: http://www.youtube.com/watch?v=ejpsqeqbh4o&featur e=related Öğretim Teknolojisi ne yapar? Öğretim, okullarda gerçekleştirilen
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Dağıtık Sistemler BİM-434 4/II 2+2+0 3 4,5 Dersin Dili Dersin Seviyesi
Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği
Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Bilgisayar Mühendisliği Günümüzde, finans, tıp, sanat, güvenlik, enerji gibi bir çok sektör, bilgisayar mühendisliğindeki gelişimlerden
MÜFREDAT DERS LİSTESİ
MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103