Yapay Zeka

Ders Kodu:

ACM465

Ders Dönemi:

Güz

Ders Tipi:

Alan Seçmeli

Teori Saati:

3

Uygulama Saati:

0

Kredi:

3

AKTS:

6

Dersin Dili:

İngilizce

Dersin Amacı:

Bu dersin amacı, öğrencilere Yapay Zeka' nın değişik yönlerini incelemek ve tanıtmaktır

Dersin İçeriği:

Giriş. Programlama Dili LISP: dizi, ağaç, küme, kuyruk ve tablo yapıları. Bilgi gösterimi: Üretim kuralları, içerme hiyeyarşileri, önermesel ve yargısal hesap, çıkarım kurallan, çerçeveler, anlamsal ağlar, kısıtlamalar ve dizgesel yaklaşımlar. Arama: Hipotez ve test etme, derinlik öncelikli arama, genişlik öncelikli arama, sezgisel arama, optimal arama, oyun ağaçlan ve dönüşüklü arama, minimax arama, alpha-beta indirgeme. Öğrenme: betimleme ağaçlara, yapay sinir ağlan, Perceptronlar, genetik algoritmalar. Uzman sistemler, Doğal dil işlem, Konuşma tanıma, Bilgisayarla görü.

Dersin Öğretim Yöntemleri:

1: Anlatım, 2: Soru-Cevap, 3: Tartışma 4: Uygulama

Dersin Ölçme Yöntemleri:

A: Sınav B: Laboratuar C: Ödev D: Proje

Dikey Sekmeler

Dersin Öğrenme Çıktıları

Dersin Öğrenme Çıktıları	Program Öğrenme Sonuçları	Öğretim Yöntemleri	Ölçme Yöntemleri
Genel uygulama alanına sahip değişik yaklasımları geliştirebilmek.	3,6,9	1,4	A,B,C
LISP dili, yordamsal ve veri yapıları hakkında bilgi edinmek	2,3,6,9	1,2,3,4	A,B,C
Yapay Zekada arama modelleri ve soysal arama stratejilerini anlamak	3,6,9	1,3, 4	A,B,C
Olasılığı Yapay Zeka'da belirsizliği ele alma mekanizması olarak kullanmak.	2,6,9	1,,3,4	A,B,C
Öğrenme yardımı ile performansı arttıracak Yapay Zeka sistemlerinin tasarımlarını araştırmak	3,6,9	1,3,4	A,B,C,D
Yapay Zeka sistemlerinde bilgi temsil etme sekli olarak mantık ve uygulaması	3,9,6	1,2,3,4	A,B,C,D
Görüntü , doğal dil işleme, uzman sistemler gibi özel uygulamaları tanıtmak.	3,9	1,2,3,4	A,B,C,D

Dersin Akışı

DERS AKIŞI
Hafta	Konular	Ön Hazırlık
1	Giriş ve tarihçe.	ACM 221
2	LISP Programlama Dili.	ACM 361
3	LAB: LISP'te program ve veri yapıları.	ACM 369
4	Akılla Ajanlar.	ACM 366
5	Problem Çözme, Bilgisiz arama.	ACM 361,369
6	Arama ve sezgisel fonksiyonlar, Yerel arama, çevrim içi arama.	ACM 369
7	ARA SINAV
8	Kısıtların sağlanması	ACM 369
9	Oyun oynama.	ACM 369
10	Mantıksal etkenler, önermeler mantığı, önermeler mantığında çıkarım	ACM 363
11	Birinci dereceden mantık, birinci dereceden mantıkta çıkarım.	ACM 361
12	LAB: Mantıksal programlama.	ACM 361
13	Planlama problemleri	ACM 370
14	Uzman sistemler	ACM 369
14	TEKRAR VE ARA SINAV

Kaynaklar

KAYNAKLAR
Ders Notu	Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall ISBN-13; 978-0-13-604259-4 (2010)
Diğer Kaynaklar	Peter Norvig, Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp An Imprint of Elsevier. Morgan Kaufmann Publishers San Francisco, CA

Materyal Paylaşımı

MATERYAL PAYLAŞIMI
Dökümanlar	Sunumlar ve Laboratuvar Föyleri
Ödevler	Ödev Föyleri
Sınavlar	Eski Sınav Soruları öğrencilere verilmektedir.

Değerlendirme Sistemi

DEĞERLENDİRME SİSTEMİ
YARIYIL İÇİ ÇALIŞMALARI	SIRA	KATKI YÜZDESİ
Ara Sınav	2	66
Kısa Sınav	4	16
Ödev	10	18
Toplam		100
Finalin Başarıya Oranı		40
Yıl içinin Başarıya Oranı		60
Toplam		100

AKTS İş Yükü Tablosu

AKTS / İŞ YÜKÜ TABLOSU
Etkinlik	SAYISI	Süresi (Saat)	Toplam İş Yükü (Saat)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati)	16	3	48
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)	16	3	48
Ara Sınav	2	2	4
Kısa Sınav	4	1	4
Ödev	10	3	30
Final	2(Bütünleme Dahil)	2	4
Toplam İş Yükü			138
Toplam İş Yükü / 25 (s)			5.52
Dersin AKTS Kredisi			6

Hiçbiri

Arama formu