1. DOKTORA
  2. SOSYAL BİLİMLER ENSTİTÜSÜ
  3. İŞLETME ANABİLİM DALI
  4. 2741 GENEL İŞLETME DR.
Ders Bilgileri Ders Öğrenme Kazanımları Dersin Program Yeterlilikerine Katkısı AKTS / İş Yükü Tablosu Ders Şubeleri
Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
ISY 607YAPAY ZEKA OPTİMİZASYONU3 + 03. Yarıyıl10

DERS TANIMI
Ders Düzeyi Doktora
Ders Türü Seçmeli
Dersin Amacı Optimizasyon problemler için geliştirilen çoğu yöntemler,çeşitli kabullerle elde edilen matematiksel bağıntılara dayalı belirgin yöntemlerdi.Klasik yöntemler olarak adlandırılması esnek olmaması dolayısıyla bir çok dezavantajları vardır.Esnak ve performansı yüksek yöntemler geliştirildi bunlardan bir yapay zeka optizasyonu, bu yöntem sayesinde zor olan problemlerin çözümüne kolaylık sağlaması,Belirsizlik ortamında farklı bir yaklaşım amacıyla: Bulanık Mantık, , Bulanık küme kavramı, Bulanık denetleyiciler, Sinirsel Bulanık Mantık Ağları, Bulanık kurallar ve üyelik işlevleri gibi kavramlarla alternatif bilimsel yaklaşım düşüncelerini göstermektir
Ders İçeriği Yapay zekaya giriş, Yapay Zeka araştırma alanları; Yapay zeka kavramları ve teknikleri. Optimizasyon problemlerinin ve metotlarının sınıflandırılması, sezgisel algoritmalar, ısıl işlem algoritması, tabu araştırma algoritması, genetik algoritma, karınca koloni algoritması, yapay bağışıklık algoritması, diferansiyel gelişim algoritması. Yapay sinir ağlarının uygulama alanları.
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1Yapay zeka Kavramını Öğrenir
2Analatik düşünce yeteneğini kavrar
3Optimizasyon problemlerini tanır
4Optmizasyon metodlarını sınıflandırır
5Belirsizlik ortamında farklı bir yaklaşım sunar

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07
ÖK 0014425  4
ÖK 0025425  4
ÖK 0034425  5
ÖK 0044515  5
ÖK 0055415  5
Ara Toplam2221825  23
Katkı4425005

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)14570
Ödevler51050
Arasınavlar(hazırlık süresi dahil)12525
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)12525
Sunum / Seminer (hazırlık süresi dahil)31648
Toplam İş Yükü

Dersin AKTS Kredisi





260

10
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2018-2019 Güz1HÜSEYİN KOÇAK
Detay 2016-2017 Güz1İRFAN ERTUĞRUL
Detay 2009-2010 Güz1İRFAN ERTUĞRUL


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi
ISY 607 YAPAY ZEKA OPTİMİZASYONU 3 + 0 1 Türkçe 2018-2019 Güz
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Doç. Dr. HÜSEYİN KOÇAK hkocak@pau.edu.tr İİBF A0134 Dersin Devam Yüzdesi : %
Amaç Optimizasyon problemler için geliştirilen çoğu yöntemler,çeşitli kabullerle elde edilen matematiksel bağıntılara dayalı belirgin yöntemlerdi.Klasik yöntemler olarak adlandırılması esnek olmaması dolayısıyla bir çok dezavantajları vardır.Esnak ve performansı yüksek yöntemler geliştirildi bunlardan bir yapay zeka optizasyonu, bu yöntem sayesinde zor olan problemlerin çözümüne kolaylık sağlaması,Belirsizlik ortamında farklı bir yaklaşım amacıyla: Bulanık Mantık, , Bulanık küme kavramı, Bulanık denetleyiciler, Sinirsel Bulanık Mantık Ağları, Bulanık kurallar ve üyelik işlevleri gibi kavramlarla alternatif bilimsel yaklaşım düşüncelerini göstermektir
İçerik Yapay zekaya giriş, Yapay Zeka araştırma alanları; Yapay zeka kavramları ve teknikleri. Optimizasyon problemlerinin ve metotlarının sınıflandırılması, sezgisel algoritmalar, ısıl işlem algoritması, tabu araştırma algoritması, genetik algoritma, karınca koloni algoritması, yapay bağışıklık algoritması, diferansiyel gelişim algoritması. Yapay sinir ağlarının uygulama alanları.
Haftalık Konu Başlıkları
HaftaKonular
1 Yapay zeka tanımı
2 Yapay zekanın amacı
3 Yapay zekanın tarihcesi
4 Yapay zeka ile dogal zekanın karsılaştırılması
5 Yabay zekanın kabsamı
6 Yönetim bilişim sistemleri ve yapay zeka
7 vize
8 Yapay zeka teknikleri
9 Optimizasyon ve sınıflandırılması
10 yapay zeka ve işletme uygulaması
11 yapay zeka ve işletme uygulaması
12 yapay zeka ve işletme uygulaması
13 yapay zeka ve işletme uygulaması
14 yapay zeka ve işletme uygulaması
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı50Dönem Sonu Sınavı
Ara Sınav50Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları