Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
ELO 320YAPAY ZEKAYA GİRİŞ2 + 02. Yarıyıl3

DERS TANIMI
Ders Düzeyi Ön Lisans
Ders Türü Seçmeli
Dersin Amacı Çeşitli yapay zeka yaklaşımları, temel kavramlar, arama işlemi gerektiren problemlerin çözümleri, bilgiyi ifade etme yolları, öğrenme algoritmaları, ileri yapay zeka konularında bilgi ve beceri kazandırmaktır.
Ders İçeriği Yapay zeka kavramları. Habersiz ve haberli arattırma; kör ( blind ) arama, herustik arama, oyun tasarımı. Bilgilendirme ve sorgulama; öğrenme teorisi, öğrenme çeşitleri, yapay sinir ağları, bilgi ifade şekilleri, semantik devre, kalıp eşleştirme, belirsizlik, olasılık, planlama, grafiksel plan, Markov karar alma süreci, doğal dil işleme, görüntü, alçak seviye görüntü ve sınıflama. İleri yapay zeka uygulamaları; öğrenme, görüntü algılama, doğal dil kavramı, belirsizlik durumunda sorgulama.
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.

DERS ÖĞRENME KAZANIMLARI
1Yapay zeka kavramlarını tanımlar.
2Habersiz ( unimformed ) arattırma, haberli ( informed ) arattırmayı açıklar
3Akıllı programların tasarımını ( intelligent programs ) yapar
4Yapay zekanın çeşitli uygulamalarını açıklar.

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
Derslerin program öğrenme kazanımına katkısı girilmemiş.

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)32678
Toplam İş Yükü

Dersin AKTS Kredisi






78

3
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2024-2025 Bahar1MELTEM ÖZTÜRK


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi Öğretim Sistemi
ELO 320 YAPAY ZEKAYA GİRİŞ 2 + 0 1 Türkçe 2024-2025 Bahar Yüz Yüze
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Doç. Dr. MELTEM ÖZTÜRK mozturk@pau.edu.tr Derslik Belirtilmemiştir. Dersin Devam Yüzdesi : %70
Amaç Çeşitli yapay zeka yaklaşımları, temel kavramlar, arama işlemi gerektiren problemlerin çözümleri, bilgiyi ifade etme yolları, öğrenme algoritmaları, ileri yapay zeka konularında bilgi ve beceri kazandırmaktır.
İçerik Yapay zeka kavramları. Habersiz ve haberli arattırma; kör ( blind ) arama, herustik arama, oyun tasarımı. Bilgilendirme ve sorgulama; öğrenme teorisi, öğrenme çeşitleri, yapay sinir ağları, bilgi ifade şekilleri, semantik devre, kalıp eşleştirme, belirsizlik, olasılık, planlama, grafiksel plan, Markov karar alma süreci, doğal dil işleme, görüntü, alçak seviye görüntü ve sınıflama. İleri yapay zeka uygulamaları; öğrenme, görüntü algılama, doğal dil kavramı, belirsizlik durumunda sorgulama.
Haftalık Konu Başlıkları
HaftaKonular
1 Yapay zeka nedir ve ne değildir?
2 Yapay zekanın tarihçesi ve temel kavramları
3 Yapay zekanın alt dalları
4 Veri bilimi, makine öğrenmesi, derin öğrenme ve yapay zeka arasındaki ilişki
5 Makine öğrenmesi nedir? Derin öğrenme nedir?
6 NLP nedir?
7 Yapay zeka ve uygulama alanları
8 Arasınav
9 Yapay zeka geliştirmek için kullanılan programlama dilleri, yazılım kütüphaneleri ve araçları
10 Yapay zeka süreçleri: DevOps, MLOps, AIOps, LLMOps, ModelOps, DataOps
11 Yapay zeka üreten, kullanan ve destekleyen dünya firmaları
12 Yapay zeka ile ilgili meslekler ve kariyer yolculuğu yol haritası
13 Yapay zeka, hukuk ve etik
14 Gelecekte bizi ne bekliyor?
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
KaynaklarKaynak Dili
Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 4. Baskı, Pearson, 2021. English
Vasif Nabiyev, Yapay Zeka, 5. Baskı, Seçkin Yayınevi, 2016.Türkçe
Bernard Marr, Yapay Zeka Devrimi, Akbank Yayınları, 2022. Türkçe
Lasse Rouhiainen, Yapay Zeka, Pegasus Yayınları, 2020. Türkçe
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı50Dönem Sonu Sınavı
Ara Sınav50Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları