Bilgi Paketi / Ders Kataloğu
Yapay Zekaya Giriş
Ders Kodu: MAT411
Ders Türü: Bölüm Seçmeli
Ders Grubu: Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 2
Kredi: 3
Laboratuvar: 0
AKTS: 6
Amaç

Bu dersin amacı, öğrencilere yapay zekanın temel kavramlarını, algoritmalarını ve uygulama alanlarını tanıtarak uygulama geliştirebilmelerini sağlamaktır.

Özet İçerik

Bu ders, yapay zekaya (YZ) kapsamlı bir giriş sunarak, temel kavramlarından modern uygulamalarına kadar geniş bir yelpazeyi ele alır. Ders boyunca öğrenciler, problem çözme ve arama algoritmalarıyla YZ'nin temelini atacak, bilgi temsili ve mantıkla sistemlerin nasıl akıl yürüttüğünü öğreneceklerdir. Makine öğrenimine odaklanılarak veri ön işleme, öznitelik çıkarımı ve seçimi, veri normalizasyonu gibi kritik adımlar detaylandırılacak, hem denetimli öğrenme (regresyon, sınıflandırma) hem de denetimsiz öğrenme (kümeleme) algoritmaları incelenecektir. Ayrıca örüntü tanıma ve sürü zekası gibi ileri konulara değinilerek yapay sinir ağları ve derin öğrenmenin (CNN, RNN) prensipleri ile doğal dil işlemedeki uygulamaları kavranacaktır.

Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Korhan GÜNEL
Öğrenme Çıktıları
1.Yapay zekanın temel kavramlarını bilme
2.Temel ve ileri düzey arama algoritmalarını kullanabilme
3.Denetimli, denetimsiz ve pekiştirmeli öğrenme algoritmalarını uygulayabilme
4.Derin öğrenme mimarilerini anlayabilme
5.Veri normalizasyonu, öznitelik çıkarımı ve seçimi gibi veri analizi tekniklerini uygulayabilme
6.Yapay zeka uygulamaları geliştirebilme
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Peter Norvig, Stuart Russell, Artificial Intelligence: A Modern Approach, Global Edition 4th Edition, Pearson Publication, 2021. ISBN: 978-1292401133
2.Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning (Adaptive Computation and Machine Learning series), MIT Press, 2016. ISBN: 978-0262035613
3.Çetin Elmas, Yapay Sinir Ağları, Seçkin Yayıncılık, Ankara, 2003.
4.Çetin Elmas, Yapay Zeka Uygulamaları, Seçkin Yayıncılık, 2021.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik & Uygulama
Dersin tanıtımı. Yapay zekaya giriş ve temel kavramlar
2. Hafta - Teorik & Uygulama
Problem Çözme ve Arama Algoritmaları (Genişlik öncelikli arama (BFS), derinlik öncelikli arama (DFS), maliyet öncelikli arama, Açgözlü arama (Greedy Search), A* arama algoritması)
3. Hafta - Teorik & Uygulama
Bilgi Temsili ve Mantık. Mantıksal Çıkarım, Kural tabanlı sistemler ve uzman sistemler, Ontolojiler ve Anlamsal Ağlar.
4. Hafta - Teorik & Uygulama
Makine Öğrenimine Giriş ve Veri Ön İşleme
5. Hafta - Teorik & Uygulama
Öznitelik Çıkarımı ve öznitelik seçimi
6. Hafta - Teorik & Uygulama
Denetimli Öğrenme: Regresyon ve Sınıflandırma
7. Hafta - Teorik & Uygulama
Denetimli Öğrenme: Destek Vektör Makineleri (SVM) ve Naive Bayes
8. Hafta - Teorik & Uygulama
Kümeleme ve Boyut Azaltma
9. Hafta - Teorik & Uygulama
Sürü Zekası Yaklaşımları: Parçacık Sürü Optimizasyonu, Arasınav
10. Hafta - Teorik & Uygulama
Multi-Swarm Intelligence Approaches: Imperialist Competitive Algorithm
11. Hafta - Teorik & Uygulama
Yapay Sinir Ağları: Tek katmanlı perceptron, öğrenme kuralı.
12. Hafta - Teorik & Uygulama
Yapay Sinir Ağları: Çok Katmanlı Perceptronlar (MLP): İleri beslemeli ağlar, geri yayılım algoritması.
13. Hafta - Teorik & Uygulama
Derin Öğrenme: Evrişimsel Sinir Ağları (CNN)
14. Hafta - Teorik & Uygulama
Derin Öğrenme: Tekrarlayan Sinir Ağları (RNN)
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%40
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140228
Uygulamalı Ders140228
Bireysel Çalışma140456
Ara Sınav114216
Dönem Sonu Sınavı120222
TOPLAM İŞ YÜKÜ (Saat)150
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
PÇ-14
PÇ-15
PÇ-16
PÇ-17
PÇ-18
OÇ-1
4
5
3
OÇ-2
5
4
4
5
5
4
OÇ-3
4
5
4
5
5
4
5
5
OÇ-4
4
4
4
3
OÇ-5
4
5
4
5
3
4
4
4
OÇ-6
5
5
4
5
5
5
5
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026