Yapay Zeka kavramı çerçevesinde, Makine Öğrenmesi algoritmalarını hem mantıksal hem de matematiksel boyutta algılayabilecek ve bir programlama dili ile bu algoritmaları geliştirebilecek öğrenci yetiştirmek.
Dersin İçeriği
Bu ders; Yapay Zekanın Tanımı ve Tarihi,Makine Öğrenmesi,Makine Öğrenmesi,Robotlar ve YZ,Derin Öğrenme ve Makine Görüsü
,Veri Hazılığı ve Veri Ambarları,Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon,DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM),Yapay Zeka Aracıları (Ajanları),YZ ve Etik,Graflar ve YZ, İstatistiksel Öğrenme ve Model Seçimi,Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler,Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.; konularını içermektedir.
5. Yapay Zekanın Alt bileşenlerini tanımlayabilecektir.
16, 9
A, E
5.1. NLP tanımlar
5.2. Robotik kavramını tanımlar
5.3. Metin Madenciliğini tanımlar.
5.4. Veri Madenciliğini tanımlar
5.5. Sınıflandırma ve Kümeleme kavramlarını bir birinden ayırır
Öğretim Yöntemleri:
14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 2: Proje Temelli Öğrenme Modeli, 3: Probleme Dayalı Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Yapay Zekanın Tanımı ve Tarihi
2
Makine Öğrenmesi
Videoyu izleyin ve sorulara hazır olun.
3
Makine Öğrenmesi
Videoyu izleyin ve sınıf içi sorulara hazırlıklı olun.
4
Robotlar ve YZ
Robotics and AI
5
Derin Öğrenme ve Makine Görüsü
Önerilen okuma.
6
Veri Hazılığı ve Veri Ambarları
Video izleme, verilen soruları yanıtlayıp gelin.
7
Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon
BÜYÜK VERİ
BİLGİ NİNSUNUMU
8
DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM)
9
Yapay Zeka Aracıları (Ajanları)
İlgili videoyu izleyin ve verilen soruları cevaplayın.
10
YZ ve Etik
Video izleme; verilen soruları yanıtlayıp gelin.
11
Graflar ve YZ
Videoyu izleyin, soruları dersten önce ve derste yanıtlayın
Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.
Python ile ilgili ön çalışmalar
Kaynak
BASIC OF ARTIFICAL INTELLIGENCE
by Philips Coleman, | 2021
AFTER EACH LESSON A READING OR WATCHING TASK WILL BE GIVEN BY THE LECTURER.
Artificial Intelligence: Understanding Future's Language Kindle Edition by Umut Guney (Author) , 2023.
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Bilişim ve yönetim alanında teorik bilgileri tanımlar.
X
2
Bilişim ve yönetim alanında gerekli matematiksel ve istatistiki yöntemleri anlatır.
X
3
Bilişim ve yönetim alanında gerekli en az bir bilgisayar programı kullanır.
X
4
Bilişim ve yönetim alanında gerekli olan mesleki yabancı dil yeterliliğini gösterir.
5
Bilişim projeleri hazırlar ve takım çalışmalarını yönetir.
6
Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirilir.
7
Bilişim ve yönetim alanında teorik ve uygulamaya yönelik bilgileri kullanır.
X
8
En az A1 düzeyinde bir yabancı dili kullanarak güncel teknolojileri takip eder, sözlü / yazılı iletişim kurar.
9
Örgüt / kurumsal, iş ve toplumsal etik değerlerini benimser ve kullanır.
10
Topluma hizmet duyarlılığı çerçevesinde, sosyal sorumluluk ilkelerini benimser ve gerektiğinde inisiyatif alır.
11
Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır.
X
12
Masaüstü, mobil, web gibi farklı platform yazılımlarını tek başına ve/veya bir ekip içerisinde yazar.
X
Değerlendirme Sistemi
Katkı Düzeyi
Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı
40
Genel Sınavın Başarıya Oranı
60
Toplam
100
AKTS / İşyükü Tablosu
Etkinlik
Sayı
Süresi (Saat)
Toplam İş Yükü (Saat)
Ders Saati
15
3
45
Rehberli Problem Çözme
4
1
4
Problem Çözümü / Ödev / Proje / Rapor Tanzimi
7
5
35
Okul Dışı Diğer Faaliyetler
7
3
21
Proje Sunumu / Seminer
1
12
12
Kısa Sınav (QUİZ) ve Hazırlığı
1
3
3
Ara Sınav ve Hazırlığı
1
6
6
Genel Sınav ve Hazırlığı
1
12
12
Performans Görevi, Bakım Planı
0
0
0
Toplam İş Yükü (Saat)
138
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(138/30)
5
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.
Dersin Detaylı Bilgileri
Ders Tanımı
Ders
Kodu
Yarıyıl
T+U Saat
Kredi
AKTS
YAPAY ZEKA
MIS3212182
Bahar Dönemi
3+0
3
5
Ders Programı
Cuma 08:00-08:45
Cuma 09:00-09:45
Cuma 10:00-10:45
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili
İngilizce
Dersin Seviyesi
Lisans
Dersin Türü
Programa Bağlı Seçmeli
Dersin Koordinatörü
Prof.Dr. Gökhan SİLAHTAROĞLU
Dersi Verenler
Prof.Dr. Gökhan SİLAHTAROĞLU
Dersin Yardımcıları
Dersin Amacı
Yapay Zeka kavramı çerçevesinde, Makine Öğrenmesi algoritmalarını hem mantıksal hem de matematiksel boyutta algılayabilecek ve bir programlama dili ile bu algoritmaları geliştirebilecek öğrenci yetiştirmek.
Dersin İçeriği
Bu ders; Yapay Zekanın Tanımı ve Tarihi,Makine Öğrenmesi,Makine Öğrenmesi,Robotlar ve YZ,Derin Öğrenme ve Makine Görüsü
,Veri Hazılığı ve Veri Ambarları,Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon,DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM),Yapay Zeka Aracıları (Ajanları),YZ ve Etik,Graflar ve YZ, İstatistiksel Öğrenme ve Model Seçimi,Denetimli - Denetimsiz Öğrenme Algoritmalarına örnekler,Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.; konularını içermektedir.
5. Yapay Zekanın Alt bileşenlerini tanımlayabilecektir.
16, 9
A, E
5.1. NLP tanımlar
5.2. Robotik kavramını tanımlar
5.3. Metin Madenciliğini tanımlar.
5.4. Veri Madenciliğini tanımlar
5.5. Sınıflandırma ve Kümeleme kavramlarını bir birinden ayırır
Öğretim Yöntemleri:
14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 2: Proje Temelli Öğrenme Modeli, 3: Probleme Dayalı Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Yapay Zekanın Tanımı ve Tarihi
2
Makine Öğrenmesi
Videoyu izleyin ve sorulara hazır olun.
3
Makine Öğrenmesi
Videoyu izleyin ve sınıf içi sorulara hazırlıklı olun.
4
Robotlar ve YZ
Robotics and AI
5
Derin Öğrenme ve Makine Görüsü
Önerilen okuma.
6
Veri Hazılığı ve Veri Ambarları
Video izleme, verilen soruları yanıtlayıp gelin.
7
Doğrusal, Doğrusal Olmayan ve Lojistik Regresyon
BÜYÜK VERİ
BİLGİ NİNSUNUMU
8
DOĞAL DİL İŞLEME (NLP)
METİN MADENCİLİĞİ (TM)
WEB MADENCİLİĞİ (WM)
9
Yapay Zeka Aracıları (Ajanları)
İlgili videoyu izleyin ve verilen soruları cevaplayın.
10
YZ ve Etik
Video izleme; verilen soruları yanıtlayıp gelin.
11
Graflar ve YZ
Videoyu izleyin, soruları dersten önce ve derste yanıtlayın
Python için kendi kütüphanemizi yazmak: Bulanık C - Ortalama algoritması , XİE BENI ve diğer denetimsiz öğrenme algoritmalarının kalite ölçümleri.
Python ile ilgili ön çalışmalar
Kaynak
BASIC OF ARTIFICAL INTELLIGENCE
by Philips Coleman, | 2021
AFTER EACH LESSON A READING OR WATCHING TASK WILL BE GIVEN BY THE LECTURER.
Artificial Intelligence: Understanding Future's Language Kindle Edition by Umut Guney (Author) , 2023.
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Bilişim ve yönetim alanında teorik bilgileri tanımlar.
X
2
Bilişim ve yönetim alanında gerekli matematiksel ve istatistiki yöntemleri anlatır.
X
3
Bilişim ve yönetim alanında gerekli en az bir bilgisayar programı kullanır.
X
4
Bilişim ve yönetim alanında gerekli olan mesleki yabancı dil yeterliliğini gösterir.
5
Bilişim projeleri hazırlar ve takım çalışmalarını yönetir.
6
Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirilir.
7
Bilişim ve yönetim alanında teorik ve uygulamaya yönelik bilgileri kullanır.
X
8
En az A1 düzeyinde bir yabancı dili kullanarak güncel teknolojileri takip eder, sözlü / yazılı iletişim kurar.
9
Örgüt / kurumsal, iş ve toplumsal etik değerlerini benimser ve kullanır.
10
Topluma hizmet duyarlılığı çerçevesinde, sosyal sorumluluk ilkelerini benimser ve gerektiğinde inisiyatif alır.
11
Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır.
X
12
Masaüstü, mobil, web gibi farklı platform yazılımlarını tek başına ve/veya bir ekip içerisinde yazar.