| | | | | | | | | | | | ISPARTA UYGULAMALI BİLİMLER ÜNİVERSİTESİ PROGRAM DERS BİLGİ PAKETİ DERS İÇERİĞİ |
| | | | | | | |
| | | | | | | | | | | Bölüm | Teknoloji Fakültesi Bilgisayar Mühendisliği | DERS BİLGİLERİ(Revizyon Tarihi:13.05.2024 17:38:00) | Ders Kodu | Ders Adı | Kredi Teorik | Kredi Pratik | Kredi Lab/U | Kredi Toplam | Kredi Ects | Yarı Yılı | BLG-307 | Yapay Zeka Sistemleri | 3,0 | 0,0 | 0,0 | 3,0 | 5,0 | 5. Yarıyıl | Dersin Dili | Türkçe | Ders Düzeyi | LİSANS TYYÇ:6.DÜZEY EQF-LLL:6.DÜZEY QF-EHEA:1.DÜZEY | Dersin Türü | Zorunlu | Dersi Verenler | Doç.Dr. Sinan UĞUZ | Dersin Yardımcıları | | Ofis Yeri | Teknoloji Fakültesi 2.Kat | E-Posta | sinanuguz@isparta.edu.tr | Ofis Görüşme Saatleri | | İş Telefonu | 2146862 | Dersin Amacı | Bu dersin amacı, öğrencilerin yapay zeka ve ilgili konularda mühendislik uygulamalarıyla bilgilendirilmelerini sağlamaktır.Zeka ve yapay zekanın anlaşılması, öğrenme ile problem çözme tekniklerinin öğrenilmesi, arama, sezgisel arama algoritmaları, yapay sinir ağları, bulanık mantık, kavram öğrenme algoritmalarının öğrenilmesi amaçlanmaktadır. | Dersin İçeriği | Yapay zekaya giriş, yapay zeka algoritmaları kullanım nedenleri, uzman yazılım. Bulanık mantık teorisi, klasik mantıkla karşılaştırma.Yapay sinir ağları, hata geri yayınım algoritması.Yapay sinir ağları öğrenme uygulamaları. Turing Testi, Arama yöntemleri, Planlama, Sezgisel Problem Çözme, Bilgi gösterilimi. | Önkoşul Dersleri | | Dersi İşleyiş Yöntemi | Yüz Yüze | DERSİN KATEGORİSİ | Dersin Kategorisi (Genel) | Katkı Düzeyi (%) | Temel Mesleki Ders | 0 | Uzmanlık/Alan Dersi | 100 | Destek Dersi | 0 | Beceri, İletişim ve Yönetim Becerileri Dersi | 0 | Aktarılabilir Beceri Dersi | 0 |
| |
|
| | | | | | | | DERSİN KAZANIMLARI(Revizyon Tarihi:09.11.2023 12:44:00) | | Yapay zeka ve zekâ simülasyonu kavramlarını anlamak. | | Temel makine öğrenimi algoritmalarını kavrama (denetimli, denetimsiz ve pekiştirmeli öğrenme). | | Metin verilerini analiz etme, dil modellemesi ve metin sınıflandırma gibi NLP tekniklerini öğrenme. | | Belirsizlik ve kesin olmayan durumları modelleme ve çözümleme becerisi kazanma. | | Derin öğrenme ağlarını anlama, evrişimli ve rekürrent sinir ağlarını kullanma. | | Uzman sistemlerin tasarımı, belirli alanlarda uzmanlık seviyesinde çözümler geliştirme yeteneği. | | Büyük veri kümeleme, örüntü tanıma ve tahminleme tekniklerini kullanma. | | Yapay zeka uygulamalarında etik konuları, adalet ve sorumluluk kavramlarını anlama. | | Yapay zeka tekniklerini sağlık, finans, otomasyon ve diğer endüstrilerde kullanımına ilişkin uygulamaları inceleme. | | Yapay zeka projelerinin yönetimi, geliştirme süreci ve gerçek dünya projelerinde uygulama becerilerini kazanma. |
|
| | | |
|
|
| |