Mekatronik Mühendisliği Tezli Yüksek Lisans
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Lisansüstü Eğitim Enstitüsü
Mekatronik Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
Lisansüstü Eğitim Enstitüsü
Mekatronik Mühendisliği Tezli Yüksek Lisans Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 81811106 | Yapay Zekâ Sistemleri | 1 | Güz | 1 | 3+0+0 | 7 | 7 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | - |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | - |
| Dersi Veren(ler) | Dr. Öğr. Üyesi Amir YAVARIABDI |
| Yardımcı(lar) | - |
Dersin İçeriği
Yapay zekaya giriş, Doğal ve Yapay Zeka, Arama yöntemleri, Planlama, Sezgisel Problem Çözme, Bilgi gösterilimi, Yüklem Mantığı, Denetimli Öğrenme Algoritmaları, Yapay Zeka Programlama Dilleri, Uzman Sistemler, Yapay Zeka Uygulamaları.
Dersin Amacı
Yapay zeka algoritmalarını öğrenmek ve yapay zeka yöntemlerini kullanarak problem çözme yeteneği kazanmak
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | |
| Uzmanlık / Alan Dersleri | X |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Yeterlilikleri | Düzey |
|---|---|---|
| P2 | Temel Matematik bilgi ve teoremlerinin mühendislik uygulamalarını bilmeli | 4 |
| P5 | İnternette patent ve literatür araştırması yapabilmeli | 4 |
| P7 | Temel bilimlerin ve teknolojinin güncel durumuna göre yenilikçi çözümler önerebilmeli | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Yapay zekâ kavramını ve rasyonelliği anlayabilmek, yapay zekânın temel konularını ve amaçlarını tanımlayabilmek. | P.2.3 | 1 |
| Ö2 | MATLAB ve Python programlama dilinde orta seviye bilgiye sahip olmak | P.5.2 | 7 |
| Ö3 | Arama problemlerini tanımlayabilmek, bilgisiz ve sezgisel arama tekniklerini arama problemlerine uygulayabilmek | P.7.6 | 7 |
| Ö4 | Zor problemler için AI algoritmalar geliştirebilmek | P.7.7 | 7 |
| ** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7 | |||
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Yapay Zekâya Giriş, Etmenler, Problem Tanımlama |
| 2 | Regresyon |
| 3 | Maksimum olabilirlik tahmini regresyon |
| 4 | Karar ağacı |
| 5 | Rastgele Orman algoritması |
| 6 | Karar ağacı ve Rastgele Orman Kodlama |
| 7 | Boyutsal Küçültme |
| 8 | KNN ve kodlama |
| 9 | Naive Bayes |
| 10 | AutoEncoder |
| 11 | Generative Adversarial Networks |
| 12 | sinir ağı |
| 13 | Evrişimli sinir ağı |
Ders Kitabı veya Malzemesi
| Kaynaklar | Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2nd ed., O'reilly. |
| Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd ed., Pearson. |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | 1 | 30 (%) |
| Seminer | - | - |
| Kısa sınav (Quiz) | - | - |
| Ara Sınavlar | - | - |
| Yarıyıl Sonu Sınavı | 1 | 70 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 13 | 19 | 247 |
| 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 | 1 | 3 | 3 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 1 | 2 | 2 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 252 | ||
| Toplam Yük / 30 | 8,40 | ||
| Dersin AKTS Kredisi: | 8 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P2 | P5 | P7 |
|---|---|---|---|---|
| Ö1 | Yapay zekâ kavramını ve rasyonelliği anlayabilmek, yapay zekânın temel konularını ve amaçlarını tanımlayabilmek. | 4 | - | - |
| Ö2 | MATLAB ve Python programlama dilinde orta seviye bilgiye sahip olmak | - | 4 | - |
| Ö3 | Arama problemlerini tanımlayabilmek, bilgisiz ve sezgisel arama tekniklerini arama problemlerine uygulayabilmek | - | - | 5 |
| Ö4 | Zor problemler için AI algoritmalar geliştirebilmek | - | - | 5 |