Detaylı Gör
Transkript
Detaylı Gör
BEK-1 Mühendislik Fakültesi Bilgisayar/ Elektrik-Elektronik/ Mekatronik Mühendisliği Bölümü Bölüm/Program Dersi DERS TANIM BİLGİLERİ Dersin Adı Artificial Intelligence Dersin Kodu Teori/Saat Uygulama/Saat Laboratuar/Saat AKTS Kredisi CE 451 3 0 0 5 Dersin Koordinatörü Prof.Dr. Ali Okatan Öğretim Elemanları To be announced later Yardımcı Öğretim Elemanları To be announced later Dersin Amacı Dersin İçeriği Dersin amacı, temel yapay zeka (YZ) tekniklerini öğretmek, değişik yapay zeka metodolojilerinin gerçekleştirimini yaptırmak. Machine learning techniques and statistical pattern recognition, supervised learning (generative/discriminative learning, parametric/non-parametric learning, neural networks, support vector machines); unsupervised learning (clustering, dimensionality reduction, kernel methods); learning theory (bias/variance tradeoffs; VC theory; large margins); reinforcement learning and adaptive control, applications areas (robotic control, data mining, autonomous navigation, bioinformatics, speech recognition, and text and web data processing). DERSİN PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ No Program yeterlilikleri C Gerçek problemlere yazılımsal çözümler önerebilme, tasarlayabilme ve geliştirebilme yetisi D Yaygın yazılım araçlarından haberdar olmak ve bunların anlamlı bir altkümesini kullanabilme k J Toplumumuzun ve insanlığın gelişmesine katkı sağlama K Yenilikçi Tasarım, Uluslararası Rekabet, Ar+Ge Yeteneği Kazanma * İhtiyaca göre yeni satır eklenebilir veya silinebilir. DERSİN ÖNGÖRÜLEN BİLGİ VE BECERİ GERÇEKLEŞTİRME DÜZEYİ Katkı Düzeyi No Bilgi ve Beceriler A1 A2 C1 C2 G4 Orta Yüksek X Temel Matematik bilgi ve teoremlerini bilmeli Temel Matematik bilgi ve teoremlerinin mühendislik uygulamalarını X bilmeli Algoritma tasarım ve analiz tekniklerini bilmeli X Algoritma geliştirmeyi bilmeli ve algoritmaya uygun veri yapısı X oluşturabilmeli. İşletim sistemlerinin çeşitlerini bilmeli Yeni bir bilgisayar problemini kendi kendine tanımlayabilmeli. * Her bir satırda katkı düzeyinden sadece bir tanesi işaretlenmelidir. * İhtiyaca göre yeni satır eklenebilir veya silinebilir. H1 DERSİN ÖĞRENME ÇIKTILARI Sıra No Düşük X X BEK-1 1 Introduction to machines learning and statistical pattern recognition 2 Learning theory 3 Supervised learning 4 Unsupervised learning 5 Statistical Learning Methods 6 Reinforcement learning and adaptive control 7 Applications 8 * İhtiyaca göre yeni satır eklenebilir veya silinebilir. AKTS/ÇALIŞMA YÜKÜ TABLOSU Etkinlikler Sayısı Çalışma Süresi (Saat) Çalışma Süresi (Dakika) Toplam (Çalışma Yükü) Ders Hafta Sayısı ve Saati 14 3 0 42.00 Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) 14 2 0 28.00 Ara Sınav 1 20 0 20.00 Kısa Sınav 0 0 0 0 Ödev 2 2 0 4.00 Uygulama 1 8 0 8.00 Laboratuar 0 0 0 0 Proje 0 0 0 0 Atölye 0 0 0 0 Sunum/Seminer Hazırlama 0 0 0 0 Alan Çalışması 0 0 0 0 Diğer 0 0 0 0 Dönem Sonu Sınavı 1 20 0 20.00 Toplam Yük 122 Toplam Yük / 25 4,88 Dersin AKTS Kredisi 5