İleri Yapay Zeka (COMPE 568) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS İleri Yapay Zeka COMPE 568 Bahar 3 0 0 3 7.5 Ön Koşul Ders(ler)i Öğretim üyesinin kararı Dersin Dili Dersin Türü Dersin Seviyesi Ders Verilme Şekli Dersin Öğrenme ve Öğretme Teknikleri İngilizce Bilgisayar Mühendisliği Seçmeli Dersleri Doktora Yüz Yüze Anlatım Dersin Koordinatörü
Dersin Öğretmen(ler)i Dersin Asistanı Dersin Amacı Dersin Eğitim Çıktıları Dersin İçeriği Sembolik ve sembolik olmayan yapay zeka başlıkları çerçevesinde farklı yapay zeka yaklaşım ve temel kavramlarını tanıtmak. Öğrencinin bilgisayar mühendisliği vizyonunu genişletmek. Bu dersi başarıyla tamamlayabilen öğrenciler; Verilen bir problem için erkin tasarlama Problem çözümü arama yöntem ve prensiplerini anlamak. Farklı arama tekniklerini özelliklerine göre kullanabimek. Mantıksal problem gösterimi ve çözüm yollarını bilmek. Makina öğrenmesinin temellerini anlamak. Zeki erkinler. Arama yolu ile problem çözme. Yönlendirilmiş/yönlendirilmemiş arama metodları. Keşifetme. Kural doyumu. Bilgi ve çıkarım. Birinci seviye mantık ve çıkarım. Makina öğrenmesi. Seçimli konular: sinir ağları, doğal hesaplama. Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları HaftaKonular Ön Hazırlık 1 Zeki erkinler. Arama ile problem çözümü. 2 Yönlendirilmiş/yönlendirilmemiş arama ve keşif 3 Lokal arama, belirleyici olmayan-hareketler ve kısmi izlenebilirlik durumlarında arama Bölüm 2-3.3 (main text) Bölüm 3.4-3.6 Bölüm 4 4 Rakip arama. Kural doyumu Bölüm 5,6
5 Mantıksal erkinler. Birinci seviye mantık Bölüm 7,8 6 Birinci seviye mantık ile çıkarım Bölüm 9 7 Gerçek dünyada planlama ve hareket etme Bölüm 10,11 8 Bilgi gösterimi Bölüm 12 9 Bulanık bilgi ve çıkarım. Olasılıksal çıkarım. 10 Basit ve karmaşık kararlar oluşturmak 11 Örneklerden öğrenme. Öğrenmede bilgi. 12 Olasılıksal modeller ile öğrenme. Destekli öğrenme Bölüm 13, 14, 15 Bölüm 16,17 Bölüm 18,19 Bölüm 20,21 13 Seçimli konular Bölüm 23,24,25 14 Seçimli konular Bölüm 23,24,25 15 Gözden geçirme 16 Gözden geçirme Kaynaklar Ders Kitabı: Diğer Kaynaklar: 1. Artificial Intelligence : A Modern Approach (Second Edition), Stuart Russell and Peter Norvig, Prentice-Hall, 2003, ISBN: 0-13-790395 1. Ant Colony Optimization, Marco Dorigo and Thomas Stützle, MIT Press, 2004. ISBN: 0-262-04219-3. 2. Artificial Intelligence, Patrick H. Winston, Addison-Wesley, 1992. ISBN: 0-201-533774.
Değerlendirme Sistemi Çalışmalar Sayı Katkı Payı Devam/Katılım - - Laboratuar - - Uygulama - - Alan Çalışması - - Derse Özgü Staj - - Küçük Sınavlar/Stüdyo Kritiği - - Ödevler 3 20 Sunum 1 15 Projeler - - Seminer - - Ara Sınavlar/Ara Juri 1 25 Genel Sınav/Final Juri 1 40 Toplam 6 100 Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 60 40 Toplam 100
Ders Kategorisi Temel Meslek Dersleri Uzmanlık/Alan Dersleri Destek Dersleri İletişim ve Yönetim Becerileri Dersleri Aktarılabilir Beceri Dersleri Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi # Program Yeterlilikleri / Çıktıları Katkı Düzeyi 1 2 3 4 5 1 Yazılım mühendisliği araştırma alanında en gelişmiş teknoloji ve literatürü kavrama 2 Yazılım mühendisliğinde dünya çapında araştırma yapma ve bu alanda en iyi konferans ve dergilerde bilimsel makale yayınlama becerisi 3 Yazılım mühendisliğinde sayısal ve niteliksel çalışmalar yürütebilme 4 Yazılım mühendisliği alanında akademik çevre ve endüstri arasında köprü kurabilmek için gerekli becerileri edinme ve gerçek dünyada karşılaşılan problemleri çözmek için yazılım mühendisliği yaklaşımlarını geliştirme ve uygulama
5 Bilim ve teknolojideki güncel gelişmeleri takip edebilmek için gereken bilgiye ulaşma ve bilimsel araştırma gerçekleştirme veya yazılım mühendisliği alanına proje geliştirme becerisi 6 Yazılım mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci 7 Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; yazılım mühendisliği uygulamaları standartları ve yöntemleri için uluslararası mükemmellik standartlarının bilinmesi 8 Karar alırken, Yazılım mühendisliği uygulamalarının evrensel, çevresel, sosyal ve hukuksal sonuçları konusunda farkındalık 9 Yazılım mühendisliği uygulamaları için mükemmellik standardını geliştirmek, benimsemek ve sürdürülebilir kullanımını desteklemek ECTS/İş Yükü Tablosu Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) Laboratuar Uygulama Derse Özgü Staj Alan Çalışması Sınıf Dışı Ders Çalışma Süresi 16 3 48 16 5 80 Sunum/Seminer Hazırlama 1 20 20
Projeler Ödevler 3 10 30 Küçük Sınavlar/Stüdyo Kritiği Ara Sınavlara/Ara Juriye Hazırlanma Süresi Genel Sınava/Genel Juriye Hazırlanma Süresi 1 20 20 1 30 30 Toplam İş Yükü 228