Ders Bilgileri

YAPAY ZEKA
Kodu	Dönemi	Teori	Uygulama	Ulusal Kredisi	AKTS Kredisi
		Saat / Hafta
BM304	Bahar	4	0	4

Ön Koşulu Olan Ders( ler )
Dili	tr
Türü	Zorunlu
Seviyesi	Lisans
Öğretim Elemanı( ları )	Doç. Dr. Zeki YETGİN
Öğretim Sistemi	Yüz Yüze
Önerilen Hususlar	Dersi alanların Kesikli Hesaplama yapıları, Soyut Matematik ve Veri Yapıları ve Algoritmaları derslerinde temel seviyede bilgi sahibi olmaları gerekir
Staj Durumu	Yok
Amacı	Yapay Zekanın çalışma alanlarını tanıtmak, bilginin gösterimi temelinde arama, çıkarsama ve öğretmeye dayalı akıllı sistemler geliştirmek.
İçeriği	Yapay zeka tanımı, akıllı ajanlar yaklaşımı, ajan tipleri, reflek ajan, model tabanlı ajanlar, hedef ve fayda tabanlı ajanlar, rasyonellik, otonomluk, ajanların dünyası(ortam), ortam tipleri, ortam programı, problem çözen ajanlar, arama yoluyla problem çözme, problem soyutlama, problem formüle etme, bilgisiz arama yöntemleri, enlemesine arama, derinlemesine arama, tek maliyetli arama, derinlik kısıtlı arama, bilgili arama yöntemleri, sezgisel arama, açgözlü arama, A* arama, güvenilir sezgisellik, sezgisellik fonksiyonları için öneriler, bellek sınırlı A*, yerel arama algoritmaları, tepe tırmanma algoritması, benzetimli tavlama, genetik algoritma, çaprazlama, mutasyon ve doğal seleksiyon için fonksiyon seçimleri, karınca-koloni optimizasyonu, python ile optimizasyon örnekleri, oyun, minimax algoritması, alfa-beta arama, Bilgi-tabanlı Ajanlar (mantıksal ajanlar), bilgi gösterimi, kurallar, çerçeveler, fonksiyonlar, bağıntılar, semantik ağlar, önermeler mantığı, birinci dereceli yüklemler mantığı, Prolog uygulamaları, Bayes kuralı, Bayes Ağları üzerinden danışmanlı öğrenme

Dersin Öğrenim Çıktıları

#	Öğrenim Çıktıları
1	Yapay Zeka'nın çalışma alanlarını bilir
2	Gerçek-dünyaya ait problemlerin, Bilgisayar gösterimini yapabilir
3	Gerçek-dünya problemlerini, soyutlama, analiz ve modelleme yoluyla, Bilgisayar Mühendisliği problemine dönüştürür
4	Arama ve Optimizasyon yoluyla problem çözen Ajanlar geliştirebilir
5	Çıkarsama yoluyla problem çözen Ajanlar geliştirebilir (Bilgi tabanlı öğrenme yapan Ajanlar)
6	Danışmanlı öğrenme yapan Ajanlar geliştirebilir
7	Oyun oynayan Ajanlar geliştirebilir

Haftalık Ayrıntılı Ders İçeriği

#	Konular	Öğretim Yöntem ve Teknikleri
1	Yapay Zeka Tanımı, Akıllı Etmenler Yaklaşımı ve Öğrenmeye Giriş, Tecrübelerinden öğrenen etmenler	Anlatım, Tartışma
2	Ajan tipleri, reflek ajan, model tabanlı ajanlar, hedef ve fayda tabanlı ajanlar, rasyonellik, otonomluk, ajanların dünyası(ortam), ortam tipleri, ortam programı	Anlatım, Tartışma
3	Problem çözen ajanlar, arama yoluyla problem çözme, problem soyutlama, problem formüle etme, bilgisiz arama yöntemleri, enlemesine arama, derinlemesine arama, tek maliyetli arama, derinlik kısıtlı arama	Anlatım, Tartışma
4	Bilgisiz arama yöntemleri, enlemesine arama, derinlemesine arama, tek maliyetli arama, derinlik kısıtlı arama	Anlatım, Tartışma
5	Bilgili arama yöntemleri, sezgisel arama, açgözlü arama, A* arama, güvenilir sezgisellik, sezgisellik fonksiyonları için öneriler, bellek sınırlı A*	Anlatım, Tartışma
6	Yerel arama algoritmaları, tepe tırmanma algoritması, benzetimli tavlama	Anlatım, Tartışma
7	ARA SINAV	Ölçme ve Değerlendirme
8	Genetik algoritma, çaprazlama, mutasyon ve doğal seleksiyon için fonksiyon seçimleri	Anlatım, Tartışma
9	Karınca-koloni optimizasyonu, python ile optimizasyon örnekleri	Anlatım, Tartışma
10	Python ile optimizasyon örnekleri, Oyun, minimax algoritması, alfa-beta arama	Anlatım, Tartışma
11	Bilgi-tabanlı Ajanlar (mantıksal ajanlar), bilgi gösterimi, kurallar, çerçeveler, fonksiyonlar, bağıntılar, semantik ağlar	Anlatım, Tartışma
12	Önermeler mantığı, birinci dereceli yüklemler mantığı, Prolog uygulamaları	Anlatım, Tartışma
13	Prolog uygulamaları	Anlatım, Tartışma
14	Bayes kuralı, Bayes Ağları üzerinden danışmanlı öğrenme	Anlatım, Tartışma
15	DÖNEM SONU SINAVI	Ölçme ve Değerlendirme
16

Resources

#	Malzeme / Kaynak Adı	Kaynak Hakkında Bilgi	Referans / Önerilen Kaynak
1	Artificial Intelligence Modern Approach, Russell Norwig, 2005

Ölçme ve Değerlendirme Sistemi

#	Ağırlık	Çalışma Türü	Çalışma Adı
1	0.2	1	1. Ara Sınav
2	0.2	2	1. Ara Uygulama
3	0.6	5	Son Sınav

Dersin Öğrenim Çıktıları ve Program Yeterlilikleri ile İlişkileri

#	Öğrenim Çıktıları	Program Çıktıları	Ölçme ve Değerlendirme
1	Yapay Zeka'nın çalışma alanlarını bilir	1͵2͵3͵6	1͵2͵3
2	Gerçek-dünyaya ait problemlerin, Bilgisayar gösterimini yapabilir	3͵4	1͵2͵3
3	Gerçek-dünya problemlerini, soyutlama, analiz ve modelleme yoluyla, Bilgisayar Mühendisliği problemine dönüştürür	3͵4	1͵2͵3
4	Arama ve Optimizasyon yoluyla problem çözen Ajanlar geliştirebilir	4͵5͵6	1͵2͵3
5	Çıkarsama yoluyla problem çözen Ajanlar geliştirebilir (Bilgi tabanlı öğrenme yapan Ajanlar)	4͵5͵6	1͵2͵3
6	Danışmanlı öğrenme yapan Ajanlar geliştirebilir	4͵5͵6	1͵2͵3
7	Oyun oynayan Ajanlar geliştirebilir	4͵5͵6	1͵2͵3

Not: Ölçme ve Değerlendirme sütununda belirtilen sayılar, bir üstte bulunan Ölçme ve Değerlerndirme Sistemi başlıklı tabloda belirtilen çalışmaları işaret etmektedir.

İş Yükü Detayları

#	Etkinlik	Adet	Süre (Saat)	İş Yükü
0	Ders Süresi	14	4	56
1	Sınıf Dışı Ders Süresi (Ön çalışma, pekiştirme)	14	1	14
2	Sunum ve Seminer Hazırlama	0	0	0
3	İnternette tarama, kütüphane ve arşiv çalışması	0	0	0
4	Belge/Bilgi listeleri oluşturma	0	0	0
5	Atölye	0	0	0
6	Ara Sınav için Hazırlık	0	0	0
7	Ara Sınav	1	8	8
8	Kısa Sınav	0	0	0
9	Ödev	0	0	0
10	Ara Proje	0	0	0
11	Ara Uygulama	5	6	30
12	Son Proje	0	0	0
13	Son Uygulama	0	0	0
14	Son Sınav için Hazırlık	0	0	0
15	Son Sınav	1	10	10
				118