Yazılım Mühendisliği
Lisans	TYYÇ: 6. Düzey	QF-EHEA: 1. Düzey	EQF-LLL: 6. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu:

FET404

Ders İsmi:

Yapay Zeka Matematiği

Ders Yarıyılı:

Güz

Ders Kredileri:

Teorik	Pratik	Laboratuvar	AKTS
2	1	0	5

Öğretim Dili:

Türkçe

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Evet

Dersin Türü:

Bölüm Seçmeli

Dersin Seviyesi:

Lisans

TYYÇ:6. Düzey

QF-EHEA:1. Düzey

EQF-LLL:6. Düzey

Dersin Veriliş Şekli:

E-Öğrenme

Dersin Koordinatörü:

Dr. Öğr. Üyesi TAYMAZ AKAN

Dersi Veren(ler):

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

Bu dersin amacı, öğrencilere yapay zeka algoritmalarının temelini oluşturan matematiksel prensipleri ve optimizasyon tekniklerini öğretmektir. Özellikle metasezgisel (metaheuristic) algoritmaların sınıflandırılması, değerlendirilmesi ve uygulanmasına yönelik teorik ve pratik bilgiler kazandırmak hedeflenmektedir.

Dersin İçeriği:

Metasezgisel optimizasyon algoritmalarının temelleri

Algoritma türleri: binary, continuous, ayrık (discrete)

Durdurma kriterleri ve değerlendirme metrikleri

Exploration vs. exploitation dengesi

Unimodal, multimodal ve multi-objective problem kavramları

Örnek algoritmalar: Parçacık Sürü Optimizasyonu (PSO), Genetik Algoritma (GA), Battle Royale Optimization

Standart benchmark fonksiyonları

Algoritmaların Python veya benzeri ortamlarda uygulanması

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Çıktıları

1 - Bilgi
Kuramsal - Olgusal
1) Metasezgisel optimizasyon algoritmalarının sınıflandırılması, matematiksel temelleri ve parametre duyarlılıkları üzerine kapsamlı kuramsal bilgi geliştirir; bu bilgiyi yapay zeka temelli karar verme problemlerinin yapısını çözümlemek için kullanır.
2 - Beceriler
Bilişsel - Uygulamalı
1) Farklı doğası olan (binary, continuous, discrete, multimodal) optimizasyon problemleri için uygun algoritmayı problem tanımı, arama alanı, hedef fonksiyon ve çoklu hedefliliğe göre seçer; seçilen algoritmanın exploration ve exploitation davranışlarını karşılaştırmalı olarak değerlendirir.
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
1) Yapay zeka optimizasyonunda sürekli gelişen araştırma konularını eleştirel bakış açısıyla izleyerek, algoritmaların farklı uygulama alanlarında nasıl dönüştüğünü analiz eder ve kendi öğrenme sürecini bu doğrultuda yeniden yapılandırır.
Alana Özgü Yetkinlik
1) Optimizasyon algoritmalarını çok hedefli, yüksek boyutlu ve benchmark tabanlı yapay zeka problemlerinde değerlendirerek; algoritma etkinliğini hesaplama karmaşıklığı, yakınsama hızı ve genel çözüm kalitesi açısından teknik olarak tartışır.
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Yapay Zeka ve Optimizasyona Giriş Yapay zekada optimizasyonun rolü, sezgisel ve metasezgisel algoritmaların genel çerçevesi verilir.	Ders Notları
2)	Metasezgisel Algoritmaların Temel Yapısı Popülasyon temsili, başlatma stratejileri ve uygunluk (fitness) hesaplamalarının mantığı açıklanır.	Ders Notları
3)	Arama Stratejileri: Exploration ve Exploitation Yerel ve küresel arama kavramları, çözüm alanındaki gezinme dengesi ele alınır.	Ders Notları
4)	Algoritma Türleri: Binary, Continuous, Discrete Farklı problem türleri için uygun algoritma yapılarını teorik olarak analiz eder.	Ders Notları
5)	Problem Özellikleri: Unimodal, Multimodal, Multi-objective Problemin doğasına göre çözüm stratejilerindeki farklılıklar tartışılır.	Ders Notları
6)	Parçacık Sürü Optimizasyonu (PSO) PSO’nun matematiksel modeli, hız ve konum güncellemeleri detaylandırılır.	Ders Notları
7)	Genetik Algoritmalar (GA) Seçilim, çaprazlama, mutasyon gibi genetik işlemler kuramsal olarak ele alınır.	Ders Notları
8)	Ara Sınav	Ders Notları
9)	PSO Kodlama Uygulaması Python ile basit benchmark fonksiyonlar üzerinde PSO algoritması uygulanır.	Ders Notları
10)	GA Kodlama Uygulaması Genetik algoritmaların binary ve continuous problemlere uygulanışı gösterilir.	Ders Notları
11)	Battle Royale Optimization (BRO) Algoritmanın özgün yönleri, sosyal modelleme mantığı ve güncelleme formülleri açıklanır.	Ders Notları
12)	BRO Kodlama Uygulaması BRO algoritması Python ile uygulanır ve test edilir.	Ders Notları
13)	Algoritmaların Karşılaştırılması GA, PSO ve BRO algoritmaları çeşitli benchmark fonksiyonlar üzerinde karşılaştırmalı olarak incelenir.	Ders Notları
14)	Durdurma Kriterleri ve Başarı Metrikleri İterasyon, tolerans, hata sınırı, başarı oranı gibi metrikler tanıtılır.	Ders Notları
15)	Final	Ders Notları
15)	Kodların Genellenmesi ve Gerçek Uygulamalara Uyarlanması Geliştirilen kodların farklı problemler için yeniden kullanılabilirliği tartışılır.
15)	Kodların Genellenmesi ve Gerçek Uygulamalara Uyarlanması Geliştirilen kodların farklı problemler için yeniden kullanılabilirliği tartışılır.

Kaynaklar

Ders Notları / Kitaplar:	Yapay Zeka Optimizasyon Algoritmaları (Derviş Karaboğa)
Diğer Kaynaklar:	Particle Swarm Optimization". Proceedings of IEEE International Conference on Neural Networks. Vol. IV. pp. 1942–1948 Genetic programming : an introduction on the automatic evolution of computer programs and its applications Yapay Zeka Optimizasyon Algoritmaları (Derviş Karaboğa)

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4
Program Kazanımları
1) Matematik ve fen bilimleri alanlarında yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri kullanabilme becerisi.
2) İlgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.
3) Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi.
4) Karmaşık mühendislik problemlerinde uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
5) Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi.
6) Karmaşık bir sistemi, süreci, cihazı veya ürünü tasarlamak için modern tasarım yöntemlerini uygulama becerisi.
7) Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi.
8) Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
9) Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama ve deney yapma becerisi.
10) Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için veri toplama, sonuçları analiz etme ve yorumlama becerisi.
11) Disiplin içi takımlarda etkin biçimde çalışabilme becerisi.
12) Çok disiplinli takımlarda etkin biçimde çalışabilme becerisi.
13) Bireysel çalışma becerisi.
14) Sözlü ve yazılı etkin iletişim kurma becerisi.
15) En az bir yabancı dil bilgisi.
16) Etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme becerisi.
17) Etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
18) Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık.
19) Bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
20) Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
21) Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi.
22) Girişimcilik, yenilikçilik hakkında farkındalık.
23) Sürdürülebilir kalkınma hakkında bilgi.
24) Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi.
25) Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Matematik ve fen bilimleri alanlarında yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri kullanabilme becerisi.
2)	İlgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.	4
3)	Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi.	4
4)	Karmaşık mühendislik problemlerinde uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.	2
5)	Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi.	4
6)	Karmaşık bir sistemi, süreci, cihazı veya ürünü tasarlamak için modern tasarım yöntemlerini uygulama becerisi.	4
7)	Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi.	2
8)	Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için bilişim teknolojilerini etkin bir şekilde kullanma becerisi.	2
9)	Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama ve deney yapma becerisi.
10)	Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için veri toplama, sonuçları analiz etme ve yorumlama becerisi.	4
11)	Disiplin içi takımlarda etkin biçimde çalışabilme becerisi.
12)	Çok disiplinli takımlarda etkin biçimde çalışabilme becerisi.
13)	Bireysel çalışma becerisi.	3
14)	Sözlü ve yazılı etkin iletişim kurma becerisi.
15)	En az bir yabancı dil bilgisi.
16)	Etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme becerisi.
17)	Etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
18)	Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık.	3
19)	Bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.	3
20)	Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
21)	Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi.	4
22)	Girişimcilik, yenilikçilik hakkında farkındalık.
23)	Sürdürülebilir kalkınma hakkında bilgi.
24)	Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi.
25)	Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Ara Sınavlar	1	% 40
Final	1	% 60
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 40
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 60
Toplam		% 100