Electrical and Computer Engineering Graduate With Thesis
Course Details
KTO KARATAY UNIVERSITY
Graduate Education Institute
Programme of Electrical and Computer Engineering Graduate With Thesis
Course Details
Graduate Education Institute
Programme of Electrical and Computer Engineering Graduate With Thesis
Course Details
| Course Code | Course Name | Year | Period | Semester | T+A+L | Credit | ECTS |
|---|---|---|---|---|---|---|---|
| 80511122 | Artificial Intelligence | 2023 | Autumn | 1 | 0+0+0 | 7,5 | 7,5 |
| Course Type | Elective |
| Course Cycle | Master's (Second Cycle) (TQF-HE: Level 7 / QF-EHEA: Level 2 / EQF-LLL: Level 7) |
| Course Language | Turkish |
| Methods and Techniques | - |
| Mode of Delivery | Face to Face |
| Prerequisites | - |
| Coordinator | - |
| Instructor(s) | Asst. Prof. Saim ERVURAL |
| Instructor Assistant(s) | - |
Course Instructor(s)
| Name and Surname | Room | E-Mail Address | Internal | Meeting Hours |
|---|---|---|---|---|
| Asst. Prof. Saim ERVURAL | - | [email protected] |
Course Content
Bu ders, yapay zeka (AI) alanının temel konularını kapsayan bir giriş dersidir. Öğrencilere yapay zeka tekniklerini ve uygulamalarını anlama fırsatı sunar. Ders, yapay zekanın tarihçesini, problem çözme stratejilerini, makine öğrenme algoritmalarını ve AI uygulamalarını kapsar.
Objectives of the Course
Yapay Zeka (AI) Temelleri dersinin amacı, öğrencilere yapay zeka alanına giriş yapmalarına ve temel yapay zeka konseptlerini anlamalarına yardımcı olmaktır. Dersin amacı, öğrencilere aşağıdaki konuları öğrenme ve anlama fırsatı sunar: Yapay Zeka Tanımı ve Tarihçesi: Ders, yapay zeka alanının ne olduğunu tanımlar ve yapay zekanın tarihçesini sunar. Bu, öğrencilere yapay zeka alanının evrimini ve neden önemli olduğunu anlama fırsatı sağlar. Problem Çözme Stratejileri ve Bilgi Temsili: Öğrencilere farklı yapay zeka problem tiplerini ve bu problemleri nasıl çözebileceklerini öğretir. Bilgi temsili, öğrencilere bilgiyi nasıl yapay zeka sistemlerine entegre edebileceklerini anlatır. Makine Öğrenme Temelleri: Ders, temel makine öğrenme kavramlarına giriş yapar. Öğrencilere veri madenciliği, örüntü tanıma ve tahminleme gibi temel makine öğrenme tekniklerini anlamalarını sağlar.
Contribution of the Course to Field Teaching
| Basic Vocational Courses | |
| Specialization / Field Courses | |
| Support Courses | |
| Transferable Skills Courses | |
| Humanities, Communication and Management Skills Courses |
Weekly Detailed Course Contents
| Week | Topics |
|---|---|
| 1 | Introduction to Artificial Intelligence |
| 2 | Principal Component Analysis |
| 3 | Probabilistic reasoning - Weka |
| 4 | Introduction to Artificial Neural Networks |
| 5 | Learning - Supervised and Unsupervised Learning |
| 7 | Genetic algorithms - Hidden Markov Model |
| 8 | Hidden Markov Model - Applications |
| 9 | Image and Video Processing - Fundamentals |
| 10 | Image and Video Processing - Applications |
| 11 | Speech Processing |
| 12 | Human-Computer Interaction |
| 13 | Project Presentations |
| 14 | Project Presentations |
Textbook or Material
| Resources | Yapay Zeka, Vasif Vagifoglu Nabiyev, 2012. |
| Yapay Zeka, Vasif Vagifoglu Nabiyev, 2012. |
ECTS / Working Load Table
| Quantity | Duration | Total Work Load | |
|---|---|---|---|
| Course Week Number and Time | 0 | 0 | 0 |
| Out-of-Class Study Time (Pre-study, Library, Reinforcement) | 0 | 0 | 0 |
| Midterms | 0 | 0 | 0 |
| Quiz | 0 | 0 | 0 |
| Homework | 0 | 0 | 0 |
| Practice | 0 | 0 | 0 |
| Laboratory | 0 | 0 | 0 |
| Project | 0 | 0 | 0 |
| Workshop | 0 | 0 | 0 |
| Presentation/Seminar Preparation | 0 | 0 | 0 |
| Fieldwork | 0 | 0 | 0 |
| Final Exam | 0 | 0 | 0 |
| Other | 0 | 0 | 0 |
| Total Work Load: | 0 | ||
| Total Work Load / 30 | 0 | ||
| Course ECTS Credits: | 0 | ||