Kısmi bilgi ve Sezgisel Fonksiyon tasarımı; Oluşturulan Yapay Us düzeyinin değerlendirilmesi ( karmaşa matrisi ); Yapay Us alanında üretim sistemi tekniği, Sezgisel Fonksiyon kuruluşu örnekleri, Sezgisel arama yöntemleri (alfa beta budama yöntemi ve A*), sezgisel arama yöntemleri ile sorun çözme, Sezgisel Fonksiyonun uygulamalı değerlendirilmesi ( dalma faktörü ve etkin dallanma faktörü), Birinci düzey mantık (First Order Logic), Birinci düzey mantık ile çıkarımlar, Akıllı ajanlar. Girişim ile çıkarımlar (Inference Engines), Öğrenme; Insan ve makinada öğrenme türleri; Makine öğrenme yöntemleri ve sınıflaması (Denetimli / denetimsiz, yapay sinir ağları, destek vector makinaları, Genetik Programlama), Önermeler Mantığı; doğal dil anlamaya giriş, dünya bilgisi (World Knowledge ) gösterimine giriş.
Ön Koşullar
CSE0428
Eş Koşullar
Yok
Özel Koşullar
Dersin alınabilmesi için öğrenciden beklenen asgari yeterlilikler.(Örnekler: Yabancı dil seviyesi, derse devam, önceden edindiği kurumsal yeterlilikler vs. gibi)
Öğretim Üyesinin ismi, Gün, XX.XX-XX.XX, xxx Yerleşkesi Ofis no
Öğretim Yöntem ve Teknikleri
-
Temel Kaynaklar
1- George F. Luger ; Artificial Intelligence: Structures and Strategies for Complex Problem Solving (6th Edition) ; Addison Wesley; 6 edition ; (March 7, 2008); 784 pages; ISBN-13: 978-0321545893
2- Stuart Russell & Peter Norvig ; Artificial ıntelligence : A modern approach ; Prentice hall, second edition 2003; ISBN 0-13-080302-2
3- Ronald Brachman and Hector Levesque; Knowledge Representation and Reasoning (The Morgan Kaufmann Series in Artificial Intelligence) ; Morgan Kaufmann; 2004; 381 pages, ISBN-13: 978-1558609327
4- Toshinori Munakata ; Fundamentals of the New Artificial Intelligence: Neural, Evolutionary, Fuzzy and More (Texts in Computer Science) ; Springer; 2nd edition, 2008 ; 260 pages ; ISBN-13: 978- 1846288388
5- George F. Luger and William A Stubblefield ; AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and Java ; Addison Wesley;6 edition, 2008; ISBN-13: 978-0136070474
Diğer Kaynaklar
-
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Elde edilen yapay us düzeyinin karmaşa matrisi (confusion matrix) ile değerlendirilmesi
2. Hafta
Kısmi bilgi ve sezgisel fonksiyon tasarımı; örnekler 8 vezir ve 8 li bulmaca üzerinden verilecektir. Arama (search) ve sezgisel fonksiyonun (heuristic function) birbirini tamamlayan özellikleri ( Duality )
3. Hafta
Yapay us’da üretim sistemleri (Production System), Sezgisel Fonksiyon tasarım örnekleri Karmaşık problemler ( örneğin satranç, tavla) için durumlar evreni tanımı
4. Hafta
Oyun oynayan programların iç yapısı ve A* algoritması, örnekler sekizli bulmaca ve tavla oyunundan verilecektir
5. Hafta
Sezgisel fonksiyonun gücünün uygulamalı değerlendirilmesi : dalma faktörü ( penetration factor ) ve etkin dallanma faktörü (effective branching factor), Öğrenme (learning) ve yapay sinir sistemleri ( artificial neural networks)
6. Hafta
Birinci düzey öngörü mantığı (first order predicate logic), Mantık çıkarımlarına dayanan akıllı ajanlar (Agents that reason logically),
7. Hafta
Tahmini ara sınav haftası
8. Hafta
Yapay us açısından eğitim örnekleri veritabanı (training Database) ve oluşmuş bilgi tabanı ( knowledge base) kavramları, geribildirimi (feedback ) düzeyi ve öğrenmenin yönetilmesinde geribildirimin yönetilme modelleri
9. Hafta
Mantıksal çıkarım sistemleri (logical reasoning systems)
10. Hafta
Planlama ve planın uygulama adımlarını yönetme (Planning & acting)
11. Hafta
Bulanık mantığa giriş (introduction to fuzzy logic), Olasılığa dayanan karar verme sistemleri (Probabilistic reasoning systems), ID3 ve olasılığa dayalı karar destek sistemleri
12. Hafta
Öğrenme ve karar vermede Stratejik alt evrenleme özellik çıkarmaya (Feature extraction) gore önceliklidir. Stratejik altevrenlemenin çeşitli öğrenme sistemlerinde etkileri
13. Hafta
Başta yapay sinir ağı olmak üzere çeşitli öğretme yöntemlerinin ayrıntıları ve karşılaştırması (Artificial Neural Networks (ANN), basic ANN types )
14. Hafta
Ders projelerinin inceleme ve sunum
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
27
Derse Devam / Katılım
1
6
Laboratuvar
1
27
Final
1
40
ÖÇ-1
Limitler, başarımlar ve Yapay Zeka temel tekniklerinin anlaşılması.
ÖÇ-2
Üretim sistemleri ile çalışan bir bilgi puzzle ve iki kişi sıfır toplam oyunlarına uyarlanabilir.
ÖÇ-3
Öğrenme, buluşsal fonksiyon tasarım ve akıllı ajan temel anlayış elde edilir.
Program Çıktıları
PÇ-1
lisans ve lisansüstü mühendislik ve diğer disiplinlerden edinilen bilgiyi belirleme, ifade etme ve uzmanlık alanında ileri seviye bilgi gerektiren yeni ve karmaşık bilgisayar mühendisliği problemlerini çözme becerisi
PÇ-2
bilgisayar mühendisliğinin en az iki alt-disiplininde ileri konularda bilgi
PÇ-3
uzmanlık alanındaki yeni bilgiyi anlama ve birleştirme becerisi
PÇ-4
çoklu bağlamlarda ileri teknik bilgileri uygulama becerisi
PÇ-5
hayat boyu öğrenmenin önemini kavrama ve hayat boyu öğrenmeyi uygulama becerisi
PÇ-6
uzmanlık alanındaki önemli bir konuda düzenli ve sistematik çalışma planlama ve uygulama becerisi
PÇ-7
teknik materyalleri kabul gören standartlara uygun yazılmış resmi raporlar ile nakletme becerisi
PÇ-8
varolan literatürü analiz etme ve kullanma becerisi
PÇ-9
etkin sözlü komünikasyon becerisi
PÇ-10
bilgisayar mühendisliği alanındaki gelişmelere ayak uydurma becerisi