BİM444 Yapay Zeka

2024-2025 Güz Dönemi İzlencesi

Arama algoritmaları, makine öğrenmesi, derin öğrenme ve yapay zeka temellerini kapsayan ders.

Dersin Amacı

Bu ders yapay zekanın temel kavramlarını tarihsel gelişimi üzerinden teorik temellerine oturarak aktarır.

Birinci kısım (Hafta 1-5) — Klasik Yapay Zeka (2010 öncesi): Yapay zekanın temel problem çözme yaklaşımlarını ele alır: bilgisiz arama, sezgisel arama, çekişmeli arama. Bu dönem yaklaşımları sembolik mantık ve sistemli arama stratejilerine dayanan yapay zeka paradigmasını temsil eder.

İkinci kısım (Hafta 6-14) — Modern Makine Öğrenmesi (2010 sonrası): Makine öğrenmesinin temel paradigmalarını ve güncel metodları tanıtır:

Denetimli öğrenme: doğrusal regresyon, karar ağaçları, k-en yakın komşu, Bayes sınıflandırıcıları, lojistik regresyon, sınıflandırıcı kombinasyonları
Denetimsiz öğrenme: kümeleme ve boyut indirgeme
Pekiştirmeli öğrenme: ajan eğitimi
Derin öğrenme: yapay sinir ağları (GPU devrimi sonrası)
Güncel uygulamalar: büyük dil modelleri, bulanık mantık, genetik algoritmalar

Hedef: Öğrencilerin makine öğrenmesi problemlerini tanıyıp uygun yöntemi seçebilmesi, algoritmaların güçlü ve zayıf yönlerini kavraması ve klasik ile modern yaklaşımlar arasındaki farklılıkları anlaması.

Kaynak Kitaplar

Artificial Intelligence: A Modern Approach, Stuart Russell & Peter Norvig, Prentice Hall, 2010.

Introduction to Machine Learning 4th Edition Ethem Alpaydın. The MIT Press. Cambridge 2020

Haftalık Plan

Hafta	Notlar	Açıklama
1	Yapay Zekaya Giriş	Yapay zekanın tarihsel süreci ve tanımlama problemi üzerinde durulacaktır.
2	Akıllı Etmenler	Akıllı etmen kavramı anlatılacaktır.
3	Arama Probleminin Anatomisi & Bilgisiz Arama	Arama problemine giriş ve bilgisiz arama yaklaşımları ele alınacaktır.
4	Sezgisel Arama / A* ve Ötesi	Sezgisel fonksiyonlar ve A* yaklaşımı ele alınacaktır.
5	Yerel Arama / Minimax / Alpha-Beta	Yerel arama, oyun problemleri ve alpha-beta budama işlenecektir.
6	Makine Öğrenmesine Giriş	Makine öğrenmesi temel kavramları işlenecektir.
7	Arasınav	-
8	Denetimli Öğrenme	Denetimli öğrenme yöntemlerine devam edilecektir.
9	Denetimsiz Öğrenme	Kümeleme ve boyut indirgeme yöntemleri işlenecektir.
10	Pekiştirmeli Öğrenme	Etmen-çevre etkileşimi ve ödül tabanlı öğrenme ele alınacaktır.
11	Derin Öğrenme	Sinir ağları ve derin öğrenmenin temel kavramları ele alınacaktır.
12	İlk yıllar · Modern dönem	Büyük dil modelleri üzerinde durulacaktır.
13	Bulanık Mantık	Belirsizlik altında karar verme için bulanık mantık işlenecektir.
14	Genetik Algoritmalar	Evrimsel optimizasyon yaklaşımı ele alınacaktır.

--- title: BİM444 Yapay Zeka subtitle: 2024-2025 Güz Dönemi İzlencesi type: syllabus description: Arama algoritmaları, makine öğrenmesi, derin öğrenme ve yapay zeka temellerini kapsayan ders. tags: - output --- ## Dersin Amacı Bu ders yapay zekanın temel kavramlarını tarihsel gelişimi üzerinden teorik temellerine oturarak aktarır. **Birinci kısım (Hafta 1-5) — Klasik Yapay Zeka (2010 öncesi):** Yapay zekanın temel problem çözme yaklaşımlarını ele alır: bilgisiz arama, sezgisel arama, çekişmeli arama. Bu dönem yaklaşımları sembolik mantık ve sistemli arama stratejilerine dayanan yapay zeka paradigmasını temsil eder. **İkinci kısım (Hafta 6-14) — Modern Makine Öğrenmesi (2010 sonrası):** Makine öğrenmesinin temel paradigmalarını ve güncel metodları tanıtır: - Denetimli öğrenme: doğrusal regresyon, karar ağaçları, k-en yakın komşu, Bayes sınıflandırıcıları, lojistik regresyon, sınıflandırıcı kombinasyonları - Denetimsiz öğrenme: kümeleme ve boyut indirgeme - Pekiştirmeli öğrenme: ajan eğitimi - Derin öğrenme: yapay sinir ağları (GPU devrimi sonrası) - Güncel uygulamalar: büyük dil modelleri, bulanık mantık, genetik algoritmalar **Hedef:** Öğrencilerin makine öğrenmesi problemlerini tanıyıp uygun yöntemi seçebilmesi, algoritmaların güçlü ve zayıf yönlerini kavraması ve klasik ile modern yaklaşımlar arasındaki farklılıkları anlaması. ::: {.callout-note} ## Kaynak Kitaplar *Artificial Intelligence: A Modern Approach*, Stuart Russell & Peter Norvig, Prentice Hall, 2010. *Introduction to Machine Learning 4th Edition* Ethem Alpaydın. The MIT Press. Cambridge 2020 ::: ## Haftalık Plan | Hafta | Notlar | Açıklama | |:-----:| ----------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------- | | 1 | [[tp_yapay-zekanin-temelleri\|Yapay Zekaya Giriş]] | Yapay zekanın tarihsel süreci ve tanımlama problemi üzerinde durulacaktır. | | 2 | [[tp_akilli-etmenler\|Akıllı Etmenler]] | Akıllı etmen kavramı anlatılacaktır. | | 3 | [[../../topics/search/tp_arama-probleminin-anatomisi\|Arama Probleminin Anatomisi]] & [[../../topics/search/tp_bilgisiz-arama\|Bilgisiz Arama]] | Arama problemine giriş ve bilgisiz arama yaklaşımları ele alınacaktır. | | 4 | [[../../topics/search/tp_sezgisel-arama\|Sezgisel Arama]] / [[../../topics/search/tp_astar-ve-otesi\| A* ve Ötesi]] | Sezgisel fonksiyonlar ve A* yaklaşımı ele alınacaktır. | | 5 | [[../../topics/search/tp_yerel-arama\|Yerel Arama]] / [[../../topics/search/tp_minimax\|Minimax]] / [[../../topics/search/tp_alpha-beta\|Alpha-Beta]] | Yerel arama, oyun problemleri ve alpha-beta budama işlenecektir. | | 6 | [[tp_makine-ogrenmesi-giris\| Makine Öğrenmesine Giriş]] | Makine öğrenmesi temel kavramları işlenecektir. | | 7 | **Arasınav** | - | | 8 | [[tp_denetimli-ogrenme\|Denetimli Öğrenme]] | Denetimli öğrenme yöntemlerine devam edilecektir. | | 9 | [[tp_denetimsiz-ogrenme\|Denetimsiz Öğrenme]] | Kümeleme ve boyut indirgeme yöntemleri işlenecektir. | | 10 | [[tp_pekistirmeli-ogrenme\|Pekiştirmeli Öğrenme]] | Etmen-çevre etkileşimi ve ödül tabanlı öğrenme ele alınacaktır. | | 11 | [[tp_derin-ogrenmeye-giris\|Derin Öğrenme]] | Sinir ağları ve derin öğrenmenin temel kavramları ele alınacaktır. | | 12 | [[tp_llms\|İlk yıllar]] · [[tp_llms-part2\|Modern dönem]] | Büyük dil modelleri üzerinde durulacaktır. | | 13 | [[tp_bulanik-mantik\|Bulanık Mantık]] | Belirsizlik altında karar verme için bulanık mantık işlenecektir. | | 14 | [[tp_genetik-algoritmalar\|Genetik Algoritmalar]] | Evrimsel optimizasyon yaklaşımı ele alınacaktır. |