Detaylı Gör

BEK-1
Mühendislik Fakültesi
Bilgisayar/ Elektrik-Elektronik/ Mekatronik Mühendisliği Bölümü
Bölüm/Program Dersi
DERS TANIM BİLGİLERİ
Dersin Adı
Artificial Intelligence
Dersin Kodu
Teori/Saat
Uygulama/Saat
Laboratuar/Saat
AKTS Kredisi
CE 451
3
0
0
5
Dersin
Koordinatörü
Prof.Dr. Ali Okatan
Öğretim
Elemanları
To be announced later
Yardımcı Öğretim
Elemanları
To be announced later
Dersin Amacı
Dersin İçeriği
Dersin amacı, temel yapay zeka (YZ) tekniklerini öğretmek, değişik yapay zeka
metodolojilerinin gerçekleştirimini yaptırmak.
Machine learning techniques and statistical pattern recognition, supervised learning
(generative/discriminative learning, parametric/non-parametric learning, neural networks,
support vector machines); unsupervised learning (clustering, dimensionality reduction,
kernel methods); learning theory (bias/variance tradeoffs; VC theory; large margins);
reinforcement learning and adaptive control, applications areas (robotic control, data
mining, autonomous navigation, bioinformatics, speech recognition, and text and web
data processing).
DERSİN PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
No
Program yeterlilikleri
C
Gerçek problemlere yazılımsal çözümler önerebilme, tasarlayabilme ve geliştirebilme yetisi
D
Yaygın yazılım araçlarından haberdar olmak ve bunların anlamlı bir altkümesini kullanabilme k
J
Toplumumuzun ve insanlığın gelişmesine katkı sağlama
K
Yenilikçi Tasarım, Uluslararası Rekabet, Ar+Ge Yeteneği Kazanma
* İhtiyaca göre yeni satır eklenebilir veya silinebilir.
DERSİN ÖNGÖRÜLEN BİLGİ VE BECERİ GERÇEKLEŞTİRME DÜZEYİ
Katkı Düzeyi
No
Bilgi ve Beceriler
A1
A2
C1
C2
G4
Orta
Yüksek
X
Temel Matematik bilgi ve teoremlerini bilmeli
Temel Matematik bilgi ve teoremlerinin mühendislik uygulamalarını
X
bilmeli
Algoritma tasarım ve analiz tekniklerini bilmeli
X
Algoritma geliştirmeyi bilmeli ve algoritmaya uygun veri yapısı
X
oluşturabilmeli.
İşletim sistemlerinin çeşitlerini bilmeli
Yeni bir bilgisayar problemini kendi kendine tanımlayabilmeli.
* Her bir satırda katkı düzeyinden sadece bir tanesi işaretlenmelidir.
* İhtiyaca göre yeni satır eklenebilir veya silinebilir.
H1
DERSİN ÖĞRENME ÇIKTILARI
Sıra No
Düşük
X
X
BEK-1
1
Introduction to machines learning and statistical pattern recognition
2
Learning theory
3
Supervised learning
4
Unsupervised learning
5
Statistical Learning Methods
6
Reinforcement learning and adaptive control
7
Applications
8
* İhtiyaca göre yeni satır eklenebilir veya silinebilir.
AKTS/ÇALIŞMA YÜKÜ TABLOSU
Etkinlikler
Sayısı
Çalışma Süresi
(Saat)
Çalışma Süresi
(Dakika)
Toplam
(Çalışma Yükü)
Ders Hafta Sayısı ve Saati
14
3
0
42.00
Sınıf Dışı Ders Çalışma Süresi (Ön
çalışma, Kütüphane, Pekiştirme)
14
2
0
28.00
Ara Sınav
1
20
0
20.00
Kısa Sınav
0
0
0
0
Ödev
2
2
0
4.00
Uygulama
1
8
0
8.00
Laboratuar
0
0
0
0
Proje
0
0
0
0
Atölye
0
0
0
0
Sunum/Seminer Hazırlama
0
0
0
0
Alan Çalışması
0
0
0
0
Diğer
0
0
0
0
Dönem Sonu Sınavı
1
20
0
20.00
Toplam Yük
122
Toplam Yük / 25
4,88
Dersin AKTS Kredisi
5