YMT 410 Yapay Zeka ve Uzman Sistemler
Eğitmen Bilgileri:
Duyurular
Dersin Tanımı:
Yapay Zekanın amacı, gerçek dünyada rasyonel olarak kendi çevrelerini algılayarak, hedeflerini planlayarak ve bu hedefleri en iyi şekilde yerine getirmek için hareket ederek davranabilen temsilcilerin tasarımıdır. Bu ders, çağdaş yapay zekanın teknik ve uygulamalarına giriş niteliğindedir. Ders, kombinatoryal araştırmadan olasılıkçı mantık ve makine öğrenmeye, doğal dil anlayışından bilgisayar görmesine kadar geniş bir yelpazedeki kavramsal yaklaşımları kapsayacaktır. Dersler sadece teknik kavramları değil, aynı zamanda arkasındaki fikirlerin tarihini de vurgulamaktadır.
Ön koşul ve gereksinimler
Bu derste başarılı olabilmek için veri yapıları ve algoritmalar, ayrık yapılar, algoritma analizi, biçimsel diller ve otomata teorisi, olasılık ders çıktılarının kazanılmış olması önemli bir rol oynamaktadır. Laboratuvar uygulamaları ve proje teslimlerinde başarılı olabilmek için Python programlama dilini bilmek size birçok avantaj sunacaktır.
Kaynaklar:
Konular:
Ders İzlencesi Ve Görev Listesi
- Dr. Fatih Özkaynak
Duyurular
- …..
Dersin Tanımı:
Yapay Zekanın amacı, gerçek dünyada rasyonel olarak kendi çevrelerini algılayarak, hedeflerini planlayarak ve bu hedefleri en iyi şekilde yerine getirmek için hareket ederek davranabilen temsilcilerin tasarımıdır. Bu ders, çağdaş yapay zekanın teknik ve uygulamalarına giriş niteliğindedir. Ders, kombinatoryal araştırmadan olasılıkçı mantık ve makine öğrenmeye, doğal dil anlayışından bilgisayar görmesine kadar geniş bir yelpazedeki kavramsal yaklaşımları kapsayacaktır. Dersler sadece teknik kavramları değil, aynı zamanda arkasındaki fikirlerin tarihini de vurgulamaktadır.
Ön koşul ve gereksinimler
Bu derste başarılı olabilmek için veri yapıları ve algoritmalar, ayrık yapılar, algoritma analizi, biçimsel diller ve otomata teorisi, olasılık ders çıktılarının kazanılmış olması önemli bir rol oynamaktadır. Laboratuvar uygulamaları ve proje teslimlerinde başarılı olabilmek için Python programlama dilini bilmek size birçok avantaj sunacaktır.
Kaynaklar:
- Kaynak 1: Stuart Russel, Peter Norvig, Artificial Intelligence Modern Approach, Prentice Hall, 2015
- Kaynak 2: Vasif Nabiyev, Yapay Zeka, Seçkin Yayınları
- Kaynak 3: Çetin Elmas Yapay Zeka ve Uygulamaları, Seçkin Yayınları
- Kaynak 4: Hakan Karabacak, Herkes için Oyun Teorisi, Seçkin Yayınları
- Kaynak 5: Derviş Karaboğa, Yapay Zeka Optimizasyon Algoritmaları, Nobel yayınları
Konular:
- AI: Kavramlar ve tarihçe
- Aramayla sorunları çözme
- Bilgisiz arama
- Bilgili arama
- Kısıt memnuniyeti sorunları
- Oyunlar
- Minimax ilkesi
- Modern oyun oynama sistemleri
- Oyun Teorisi
- Planlama
- Olasılıksal mantık
- Temel olasılık kavramları
- Bayes çıkarımı
- Naive Bayes modelleri
- Bayes ağları
- Ardışık olasılık mantığı
- Markov karar süreçleri
- Takviyeli öğrenme
- Makine öğrenme
- Denetimli / denetlenmeyen öğrenme
- Karar ağaçları
- En yakın komşu sınıflandırıcılar
- Nöral ağlar
- Derin öğrenme
- AI uygulamaları
- Robotik
- Bilgisayar görüşü
- Doğal dil işleme
Ders İzlencesi Ve Görev Listesi
- Hafta 1: (pdf) Yapay zekaya giriş ve tarihçesi
- Kaynak 1 bölüm 1 okunacak
- Hafta 2: (pdf) Ajanlar ve aramaya giriş
- Kaynak 1 bölüm 2 ve 3 okunacak
- Uygulama Ödevi 1 (pdf)
- hafta 3: (pdf) Bilgisiz arama
- Kaynak 1 bölüm 3.1-3.6 okunacak
- Uygulama Ödevi 2 (pdf)
- Hafta 4: (pdf) Bilgili Arama
- Kaynak 1 bölüm 6 okunacak
- Uygulama Ödevi 3 (pdf)
- Hafta 5: (pdf) Kısıt memnuniyeti sorunları
- Kaynak 1 bölüm 5 okunacak
- Uygulama Ödevi 4
- Hafta 6: (pdf) Oyun teorisi
- Kaynak 1 bölüm 17.5-17.6 okunacak
- Uygulama Ödevi 5
- Hafta 7: (pdf) Planlama ve Olasılık
- Kaynak 1 bölüm 10 ve 13 okunacak
- Hafta 8: Olasılık ve Bayes (link)
- Hafta 9: Uzman Sistemler ve Bulanık MantıkI (pdf)
- Hafta 10: Uzman Sistemler ve Bulanık Mantık II (pdf) (pdf)
- Hafta 11: Genetik Algoritmalar (pdf) (pdf) (kod)
- Hafta 12: Yapay Sinir Ağları (pdf)
- Hafta 13 Prolog (pdf)