DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Sezgisel Optimizasyon CMPE 402 Güz 02+00+02 Seçmeli 3 5
Akademik Birim: Bilgisayar Mühendisliği
Öğrenim Türü: Örgün Eğitim
Ön Koşullar CMPE242
Öğrenim Dili: İngilizce
Dersin Düzeyi: Lisans
Dersin Koordinatörü: Fabio STROPPA
Dersi Veren(ler): Fabio STROPPA
Dersin Amacı: Bu ders, Yapay Zekanın temelinin derinlemesine bir analizidir. Öğrencileri arama problemleri ve bunların nasıl çözüleceği ile tanıştıracak, optimaliteye odaklanacaktır. Öğrenciler, karmaşık bir problem için iyi tanımlanmış bir formülasyonu nasıl tanımlayacaklarını, akıllı arama algoritmaları tasarlamayı, Yapay Zeka yöntemlerini kullanarak iyi tanımlanmış problemleri çözmeyi, problem çözme becerilerini geliştirmeyi ve farklı alan ve alanlardaki optimizasyon problemlerini çözmeyi öğreneceklerdir. Bu derste sadece tek amaçlı optimizasyon problemleri ele alınacaktır.
Dersin İçeriği: Ders, düzgün arama, bilgilendirilmiş arama, kısıt tatmin problemleri, optimizasyon ve yerel arama, evrimsel hesaplama, genetik algoritma ve rekabet ortamında arama (video oyunları) gibi konuları kapsayacaktır.
Dersin Öğrenme Çıktıları (ÖÇ):
  • 1- Problemleri ve algoritmaları analiz etme becerisi.
  • 2- Karmaşık mühendislik optimizasyon problemlerini tanımlama, modelleme ve çözme becerisi.
  • 3- Kısıtlı kaynak ve koşullarda donanım/yazılım bilgisayar sistemi gereksinimlerini modern mühendislik ilkeleri ile yönetebilme becerisi.
  • 4- Yapay Zeka tabanlı yazılım geliştirme becerisi.
  • 5- İngilizce iletişim kurma becerisi.
Dersin Öğrenme Yöntem ve Teknikleri Sınıf içi öğrenme, laboratuvar içi uygulama.


HAFTALIK PROGRAM

HaftaKonularÖn Hazırlık
1 Arama ve Problem Çözmeye Giriş, Hesaplamalı Karmaşıklık Analizi (Özet) Ders slaytları ve okuma
2 Çizgeler ve Ağaçlar, Olasılık (Özet), Arama Problemlerinin Özellikleri Ders slaytları ve okuma
3 Tek Tip Arama Ders slaytları ve okuma
4 Bilgilendirilmiş Arama Ders slaytları ve okuma
5 Kısıt Tatmini Problemleri Ders slaytları ve okuma
6 Optimizasyon ve Yerel Arama, Evrimsel Hesaplama Ders slaytları ve okuma
7 İkili Kodlu Genetik Algoritma Ders slaytları ve okuma
8 Gerçek Kodlu Genetik Algoritma Ders slaytları ve okuma
9 Gerçek Kodlu Genetik Algoritma Ders slaytları ve okuma
10 Evrimsel Hesaplamada Kısıtlamaların Ele Alınması Ders slaytları ve okuma
11 Çekişmeli Arama Ders slaytları ve okuma
12 Proje Hazırlama Ders slaytları ve okuma
13 Proje Hazırlama Ders slaytları ve okuma
14 Proje Hazırlama Ders slaytları ve okuma


ZORUNLU ve ÖNERİLEN OKUMALAR

S. Russel, P. Norvig. “Artificial Intelligence: A Modern Approach”. Pearson; 4th edition.
K. Deb. "Multi-objective Optimization Using Evolutionary Algorithms". Wiley; 4th edition.


DİĞER KAYNAKLAR

Ders slaytları, AIMA Berkley gibi web siteleri: http://aima.cs.berkeley.edu/


DEĞERLENDİRME SİSTEMİ

Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
Sözlü sunumlar 1 100
Total: 1 100


İŞ YÜKÜ HESAPLAMASI

EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
Ders Saati14456
Proje13030
Öğrencilerin Etkin Olduğu Sınıf İçi Çalışmalar13339
Toplam İş Yükü (saat):125


PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

# PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9 PY10 PY11 PY12
OC1                        
OC2                        
OC3                        
OC4                        
OC5