Elektrik ve Bilgisayar Mühendisliği Tezli Yüksek Lisans
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Lisansüstü Eğitim Enstitüsü
Elektrik ve Bilgisayar Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
Lisansüstü Eğitim Enstitüsü
Elektrik ve Bilgisayar Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 80511122 | Yapay Zeka | 2023 | Güz | 1 | 0+0+0 | 7,5 | 7,5 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Yüksek Lisans (TYYÇ: 7. Düzey / QF-EHEA: 2. Düzey / EQF-LLL: 7. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | - |
| Dersi Veren(ler) | Dr. Öğr. Üyesi Saim ERVURAL |
| Yardımcı(lar) | - |
Dersin Öğretim Eleman(lar)ı
| Adı Soyadı | Oda No. | E-Posta Adresi | Dahili | Görüşme Saatleri |
|---|---|---|---|---|
| Dr. Öğr. Üyesi Saim ERVURAL | - | [email protected] |
Dersin İçeriği
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.
Dersin Amacı
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.
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | |
| Uzmanlık / Alan Dersleri | |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Yapay Zekaya Giriş |
| 2 | Temel Bileşenler analizi |
| 3 | Olasılıksal Örnekleme - Weka |
| 4 | Yapay Sinir Ağlarına Giriş |
| 5 | Öğrenme: Denetimli ve Denetimsiz Öğrenme |
| 7 | Genetik Algoritmalar: Hidden Markov Model |
| 8 | Hidden Markov Model - Uygulamalar |
| 9 | Görüntü ve Video İşleme Temelleri |
| 10 | Görüntü ve Video İşleme - Uygulamalar |
| 11 | Ses İşleme |
| 12 | İnsan-Bilgisayar Etkileşimi |
| 13 | Proje Sunumları |
| 14 | Proje Sunumları |
Ders Kitabı veya Malzemesi
| Kaynaklar | Artificial Intelligence: A Modern Approach (Second Edition), Stuart Russell and Peter Norvig, Prentice Hall, 2003. |
| Yapay Zeka, Vasif Vagifoglu Nabiyev, 2012. |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 0 | 0 | 0 |
| Ara Sınav | 0 | 0 | 0 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Laboratuvar | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 0 | ||
| Toplam Yük / 30 | 0 | ||
| Dersin AKTS Kredisi: | 0 | ||