Endüstri Mühendisliği
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Mühendislik ve Doğa Bilimleri Fakültesi
Endüstri Mühendisliği Programı
Ders Bolognaları
Mühendislik ve Doğa Bilimleri Fakültesi
Endüstri Mühendisliği Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 05281826 | Yapay Zekâ ve Uzman Sistemler | 4 | Bahar | 8 | 3+0+0 | 0 | 5 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Lisans (TYYÇ: 6. Düzey / QF-EHEA: 1. Düzey / EQF-LLL: 6. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | Prof. Dr. Murat DARÇIN |
| Dersi Veren(ler) | - |
| Yardımcı(lar) | - |
Dersin İçeriği
Yapay zekânın tanımı, temel kavramlar ve teknikler, Uzman Sistemler ve mühendislik uygulamaları, Bulanık mantık ve mühendislik uygulamaları, Karar destek sistemleri ve uygulamaları, Genetik algoritmalar ve uygulama örnekleri, Yapay sinir ağları: Yapay sinir ağlarının yapısı ve temel elemanları, ilk yapay sinir ağları, yapay sinir ağı modelleri, geri beslemeli ağlar. Yapay sinir ağlarının mühendislik uygulamaları
Dersin Amacı
Mühendislik uygulamalarında kullanılan yapay zeka tekniklerinin temel prensiplerinin öğretimi ve bunların uygulamalarda nasıl kullanıldığının detaylı analizinin yapılması.
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 |
|---|---|---|
| P5 | Endüstri Mühendisliği alanındaki karmaşık problemlerin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Yapay zekâ ile ilgili temel kavramları ve bu teknolojilerin endüstri mühendisliği uygulamalarındaki önemini bilir. | P.5.19 | 1 |
| Ö2 | Farklı yapar zekâ yöntemlerini analiz eder ve nasıl uygulanabileceğini kavrar. | P.5.20 | 1 |
| Ö3 | Problemlere yönelik olarak yapay zekâ algoritmaları tasarlar. | P.5.21 | 1 |
| Ö4 | Bu sistemlerin kullanımında karşılaşılan etik ve güvenlik sorunları hakkında bilgi sahibi olurlar. | P.5.22 | 1 |
| ** 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 zekaya giriş |
| 2 | Yapay zekanın mühendislik uygulamalarının tanıtımı |
| 3 | Uzman sistemler |
| 4 | Uzman sistemler ve mühendislik uygulamaları |
| 5 | Bulanık mantık temelleri |
| 6 | Bulanık mantık temelleri ve mühendislik uygulamaları |
| 7 | Karar destek sistemleri |
| 8 | Ara Sınav |
| 9 | Karar destek sistemlerinin mühendislik uygulamaları |
| 10 | Yapay sinir ağları- Matlab |
| 11 | Yapay sinir ağları- Matlab |
| 12 | Yapay sinir ağları- Matlab |
| 13 | Proje Sunumları |
| 14 | Proje Sunumları |
| 15 | Final Sınavına Hazırlık |
Ders Kitabı veya Malzemesi
| Kaynaklar | Yapay Zeka, Prof. Dr. Vasif Nabiyev, Seçkin Yayınları, 2012 |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj (Varsa) | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | - | - |
| Seminer | - | - |
| Kısa sınav (Quiz) | - | - |
| Dinleme | - | - |
| Ara Sınavlar | 1 | 40 (%) |
| Yarıyıl Sonu Sınavı | 1 | 60 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 14 | 3 | 42 |
| Ara Sınav | 1 | 30 | 30 |
| 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 | 1 | 36 | 36 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 150 | ||
| Toplam Yük / 30 | 5 | ||
| Dersin AKTS Kredisi: | 5 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P5 |
|---|---|---|
| Ö1 | Yapay zekâ ile ilgili temel kavramları ve bu teknolojilerin endüstri mühendisliği uygulamalarındaki önemini bilir. | 5 |
| Ö2 | Farklı yapar zekâ yöntemlerini analiz eder ve nasıl uygulanabileceğini kavrar. | 5 |
| Ö3 | Problemlere yönelik olarak yapay zekâ algoritmaları tasarlar. | 5 |
| Ö4 | Bu sistemlerin kullanımında karşılaşılan etik ve güvenlik sorunları hakkında bilgi sahibi olurlar. | 5 |