| Bilgisayar Programcılığı | |||||
| Önlisans | TYYÇ: 5. Düzey | QF-EHEA: Kısa Düzey | EQF-LLL: 5. Düzey | ||
| Ders Kodu: | MYO047 | ||||
| Ders İsmi: | Uygulamalı Yapay Zeka | ||||
| Ders Yarıyılı: |
Bahar |
||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | Turkish | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Öğr. Gör. AHMET SELİM ÖVER | ||||
| Dersi Veren(ler): | Öğr. Gör. Burak Ağgül | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Yapay zekaya dair temel kavram ve uygulamalarının anlaşılması, problemlerin analizinde kullanılacak uygun optimizasyon algoritmasına sahip öğrenme algoritmalarının belirlenmesi, örnek problemler yardımıyla elde edilen sonuçların yorumlanması. |
| Dersin İçeriği: | Yapay zekaya giriş ve temel kavramlar, problem analizi ve çözümü, öğrenme, farklı yapay zeka algoritmaları, optimizasyon algoritmaları. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Yapay sinir ağ yapılarının temellerini kavrama. 2) İstatistiksel öğrenmeyi kavrama. 3) Makine öğrenme algoritmaları arasındaki farkı anlayabilme. 4) Yapay zeka algoritmaları kullanarak program yazabilme. 5) Makine öğrenmesi için gerekli optimizasyon algoritmalarını anlama. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Yapay Zekaya Giriş | |
| 2) | Yapay Zekaya Giriş | |
| 3) | İstatistiksel Öğrenme | |
| 4) | Makine Öğrenme | |
| 5) | Derin Öğrenme | |
| 6) | Rastgele Orman Algoritması | |
| 7) | Destek Vektör Makineleri | |
| 8) | Ara Sınav | |
| 9) | K-En Yakın Komşuluk Algoritması | |
| 10) | Tekrarlayan Sinir Ağları | |
| 11) | Çift Yönlü Uzun Kısa Süreli Bellek | |
| 12) | Evrişimli Sinir Ağları | |
| 13) | Karar Ağaçları | |
| 14) | Doğal Dil İşleme | |
| 15) | Final |
| Ders Notları / Kitaplar: | 1. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer. 2.Wolfgang Ertel, Introduction to Artificial Intelligence, Second Edition, Springer. 3.Charu C. Aggarwal, Neural Networks and Deep Learning, Springer. |
| Diğer Kaynaklar: | 1. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer. 2.Wolfgang Ertel, Introduction to Artificial Intelligence, Second Edition, Springer. 3.Charu C. Aggarwal, Neural Networks and Deep Learning, Springer. |
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||||||
| 1) Problem çözme ve analitik düşünme yeteneklerini kazanır. | |||||||||||||
| 2) Bilgisayar programlama, donanım ve yazılım temellerini, temel bilgisayar kavramlarını öğrenir. | |||||||||||||
| 3) Problemlere göre algoritmalar geliştirir, temel algoritmalardan problemine uygun olanları ayırt etme becerisi kazanır. | |||||||||||||
| 4) Nesneye yönelik programlama konseptini ve web programlamayı kavrar. | |||||||||||||
| 5) Sayı tabanı sistemleri, temel elektronik ve bilgisayar donanımı bilgisini öğrenir. | |||||||||||||
| 6) Mobil programlama becerisi edinir, mobil platformlar için uygulamalar geliştirir. | |||||||||||||
| 7) Veritabanı tasarım ve kodlamasını yapar. | |||||||||||||
| 8) Bilgisayar ağları, açık kaynak kodlu işletim sistemleri programlamayı ve kullanmayı öğrenir. | |||||||||||||
| 9) İngilizce dilini etkin bir biçimde kullanır. | |||||||||||||
| 10) Programlamanın ihtiyaçlarına göre uygun veri yapıları kullanmayı öğrenir. | |||||||||||||
| 11) Bireysel ya da takım olarak yazılım geliştirir. | |||||||||||||
| 12) Alanındaki gelişmeleri, son teknoloji araçlarını/uygulamalarını takip eder. | |||||||||||||
| 13) Mesleki ve etik sorumluluk bilinci kazanır, meslek etiği farkındalığına sahiptir. | |||||||||||||
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Problem çözme ve analitik düşünme yeteneklerini kazanır. | 3 |
| 2) | Bilgisayar programlama, donanım ve yazılım temellerini, temel bilgisayar kavramlarını öğrenir. | 3 |
| 3) | Problemlere göre algoritmalar geliştirir, temel algoritmalardan problemine uygun olanları ayırt etme becerisi kazanır. | 3 |
| 4) | Nesneye yönelik programlama konseptini ve web programlamayı kavrar. | 3 |
| 5) | Sayı tabanı sistemleri, temel elektronik ve bilgisayar donanımı bilgisini öğrenir. | 3 |
| 6) | Mobil programlama becerisi edinir, mobil platformlar için uygulamalar geliştirir. | 3 |
| 7) | Veritabanı tasarım ve kodlamasını yapar. | 3 |
| 8) | Bilgisayar ağları, açık kaynak kodlu işletim sistemleri programlamayı ve kullanmayı öğrenir. | 3 |
| 9) | İngilizce dilini etkin bir biçimde kullanır. | 3 |
| 10) | Programlamanın ihtiyaçlarına göre uygun veri yapıları kullanmayı öğrenir. | 3 |
| 11) | Bireysel ya da takım olarak yazılım geliştirir. | 3 |
| 12) | Alanındaki gelişmeleri, son teknoloji araçlarını/uygulamalarını takip eder. | 3 |
| 13) | Mesleki ve etik sorumluluk bilinci kazanır, meslek etiği farkındalığına sahiptir. | 3 |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Aktiviteye Hazırlık | Aktivitede Harçanan Süre | Aktivite Gereksinimi İçin Süre | İş Yükü | ||
| Ders Saati | 2 | 10 | 1 | 22 | |||
| Ara Sınavlar | 1 | 25 | 1 | 26 | |||
| Final | 1 | 30 | 1 | 31 | |||
| Toplam İş Yükü | 79 | ||||||