Ders Sorumluları
|
Prof. Dr.Aral.EGE |
Dersin Sunulduğu Dil |
Türkçe (Turkish) |
Dersin Türü |
Seçmeli |
Ön Koşul |
|
Ders İçin Önerilen Diğer Hususlar |
Herhangi bir ek husus bulunmamaktadır. |
Dersin Amacı |
Yapay Zeka algoritmalarının tanıtım ve kullanımı amaçlanmaktadır. |
Dersin İçeriği |
Günümüzde giderek önem kazanan yapay zeka konusunun teorik ve pratik dayanakları irdelenecektir. |
Dersin Öğrenme Çıktıları (ÖÇ) |
Çeşitli yapay zeka algoritmaları, Python dili ve kütüphanelerinin ilgili kısımları. |
Dersin Veriliş Biçimi |
Örgün Öğretim |
Dersin Gidişatı |
Hafta |
Konular |
1. Hafta |
Dersin genel yapısı hakkında bilgi verme ve neler beklendiğinin açıklanması |
2. Hafta |
İş sistemlerinde yapay zeka |
3. Hafta |
Yapay zeka sistemlerinde kullanılan algoritmaların sınıflandırılması |
4. Hafta |
Watson sistem mimarisi |
5. Hafta |
Python ve programlama ortamları |
6. Hafta |
Makine öğrenmesine giriş |
7. Hafta |
Makine öğrenmesi unsurları |
8. Hafta |
Örnek uygulama I |
9. Hafta |
Örnek uygulama II |
10. Hafta |
Regresyon |
11. Hafta |
Doğrusal regresyon modelleri |
12. Hafta |
Diğer regresyon modelleri |
13. Hafta |
Destek Vektör Makinaları |
14. Hafta |
Karar ağaçları |
|
Değerlendirme Ölçütleri |
|
Toplam Katkısı (%) |
Ara Sınav (%) |
40 |
Kısa Sınavlar (%) |
|
Ödevler (%) |
20 |
Uygulamalar (%) |
|
Laboratuar (%) |
|
Projeler/Alan Çalışması (%) |
|
Seminerler/Çalışma Grupları (%) |
|
Final (%) |
40 |
Diğer (%) |
|
Toplam(%) |
100 |
|
Dersin Kitabı ve/veya Kaynaklar |
Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow by Aurelien Geron |
Staj / Uygulama |
|
Program Yeterlilikleri (PY) ve Dersin Öğrenme Çıktıları (ÖÇ) İlişkisi |
| PY1 | PY2 | PY3 | PY4 | PY5 | PY6 | PY7 | PY8 | PY9 | PY10 | PY11 | PY12 | PY13 | PY14 | ÖÇ1 | 5 | 4 | | | | | | | | | | | | | ÖÇ2 | 5 | 4 | | | 3 | | | | 3 | | | | | | ÖÇ3 | 5 | 4 | | | 3 | | | | 3 | | | | | | ÖÇ4 | 5 | 4 | | | | | | | | | | | | |
* Katkı Düzeyi: 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek |