Yapay Zeka Mühendisliği

Zorunlu Dersler

Bu dersin amacı veri bilimine dair temel konuları anlatıp sizi ileri konulara hazırlamaktır. Derste öncelikle nedensellik ve deneysel araştırma kavramları anlatılacak. Sonrasında Python programlama, DataFrame kütüphanesi ve görselleştirme konuları ile veri analizine dair temel programlama yetenekleri kazandırmayı hedeflemektedir. Ardından rastgelelik, örneklem alma, hipotezleri test etme, iki örneklemi karşılaştırma, önkestirim ve ortalamanın önemi konuları işlenecektir. Dersin en sonunda ise makine öğrenmesi konularına çok yüzeysel bir giriş yapılıp tahmin etme, sınıflandırma ve Bayes Teoremi konuları görülecektir.

Sen kimsin, eleştirel düşünme nedir, gerçek nedir, bilmek ne demektir, fikirleriniz ne kadar iyi, temel sorun “benimki daha iyi”, değişime direnç, uygunluk, durum kurtarma, basmakalıp, aşırı basitleştirme, aceleci sonuçlar, dayanaksız varsayımlar, mantıksal yanlışlar, problemlerin birleşimi, kendini tanıma, gözlemci olmak, sorunları açıklığa kavuşturmak, araştırma yapmak, kanıtları yorumlamak, bakış açılarını analiz etmek, yargılarda bulunmak, önyargılar, safsatalar, bilişsel sapmalar

İğneler ve sayılar, Atomlar ve boşluk, Hipokrat, Aristoteles, Galen, İslam'da Bilim, Karanlıktan Çıkış, Felsefe Taşı Arayışı, İnsan Bedenini Keşfetme, Evrenin Merkezi Nerede?, Galileo, Harvey, Bacon ve Descartes, Yeni Kimya, Newton, Dünyayı Sıralama, Hava ve Gazlar, Minik Madde Parçacıkları, Kuvvetler, Alanlar ve Manyetizma, Dinozorlar, Gezegenimizin Tarihi, Öksürükler Hapşırmalar ve Hastalıklar, Motorlar ve Enerji, Elementleri Sıralama, Atoma Doğru, Radyoaktivite, Einstein, Kıtaların Hareketi, Ne Miras Alıyoruz?, Nereden Geldik?, Harika İlaçlar, Yapı Taşları, İnsan Genom Projesi, Büyük Patlama, Dijital Çağda Bilim, Türkiye'de Bilim, Yapay Zeka ve Biyoteknoloji, Geleceğin Konuları.

Akıllı aracılar, problem çözümünde arama yöntemleri, bilgilendirilmiş ve bilgilendirilmemiş arama yöntemleri, keşif yöntemleri, kısıt sağlama problemleri, oyun oynama, bilgi ve akıl yürütme, birinci derecede mantık, bilgi gösterimi, öğrenme.

Derin Öğrenme Temelleri, derin yapay sinir ağları, derin öğrenme eğitim modelleri, evrişimsel sinir ağları (CNN), Otomatik Kodlayıcı (AE), tekrarlayan sinir ağları (RNN), Üretici Çekişmeli Ağlar (GAN), Dönüştürücü Ağlar, Derin takviyeli öğrenme, Derin Öğrenme Uygulamaları

Giriş ve tanımlar, sınıflandırma/regresyon problemi, denetimli öğrenme, doğrusal regresyon, en küçük kareler hata toplamı, lojistik regresyon, perceptron, sapma-değişkenlik (bias-variance), düzenleme, aşırı öğrenme, öznitelik seçimi, çıkarımı, yapay sinir ağları, karar ağaçları, destek vektör makineleri, topluluk ağları, denetimsiz öğrenme

Öğrenciler yenilikçi yapay zeka uygulamaları, başarı hikayeleri, girişimcilik fırsatları, gelecekte beklenen eğilimler konularında alanında uzman konuk konuşmacılarca bilgilendirilecek ve motive edilecektir. Öğrencilerden bir sonraki dönem yapacakları yapay zeka ve veri bilimi ile ilgili bitirme projesini tanımlamaları ve ilk aşamalarını (ihtiyaç analizi, kullanılacak teknolojilerin seçimi, kullanılacak veri setleri, araçlar, malzemeler vb. temini, genel sistem mimarisi, vb.) tamamlaması hedeflenmektedir.

Bu derste, öğrenciler bir yapay zeka veya veri bilimi projesini yürütürler. Bu proje kapsamında, bir  yapay zeka probleminin çözümü için, literatür taraması, problem formülasyonu, veri ve alan araştırması ve kapsamlı bir tasarım yapılır. Tasarımın sonucu, dönem sonunda, proje yöneticisine istenilen biçimde sunulur. Giriş, Planlama, Modelleme, Sistem İnşası, Yapay zeka uygulamasının geliştirilmesi, Son demo.

Seçmeli Dersler

Bu dersin amacı sizi türev fiyatlandırma ilkeleri ve finansta stokastik problemleri çözmede kullanılan sayısal yöntemler ile donatmaktır. Ders size finansın temel nümerik teknikleri latis, sonlu fark, Monte-Carlo simülasyonu ve yoğunluk dönüşüm yöntemlerini öğretecek. Black-Scholes opsiyon fiyatlama çerçevesi ile sizi temellendikten sonra, kurs nümerik metotları, basit ve egzotik opsiyonlar, reel opsiyonlar, kredi riskli ve risksiz tahvil fiyatlaması gibi türev ürünler ve tahvil fiyatlaması problemlerini uygulayacaktır.

Bu dersin amacı, sizi kantitatif modeller ve finansta büyük veri analitiği ile donatmaktır.  Bu ders size regresyon analizi; sağlamlık analizi; Monte Carlo simülasyonu; doğrusal, tam sayı ve doğrusal olmayan optimizasyon; ve latis yöntemleri gibi finansal modelleme çerçeveleri, araçları ve metodoloji kavramlarını öğretir. Ders bu kavramları, klasik finans problemleri ortalama-varyans portföy seçimi; tahvil portföy yönetimi; vade yapısı tahmini; sermaye bütçelemesi; risk ölçümü; indirgenmiş nakit akışı risk analizi; Avrupa ve Amerikan opsiyon fiyatlaması problemlerine ve büyük veri meseleleri duyarlılık analizi; yüksek frekanslı ticaret; büyük veri ve fin-tek şirketleri konularına uygular.

Bu ders kapsamında danışman akademisyenle birlikte yapay zeka / yapay öğrenme ile ilgili teorik veya uygulamalı araştırmalar yapılması amaçlanmaktadır. Dönem sonunda yapılan araştırmalar ve çalışmalarla ilgili bir makale, bildiri oluşturulması hedeflenmektedir. 

Bu ders kapsamında danışman akademisyenle birlikte yapay zeka / yapay öğrenme ile ilgili teorik veya uygulamalı araştırmalar yapılması amaçlanmaktadır. Genel olarak YAP 490 kapsamında yapılan çalışmaların bir devamı niteliğinde değerlendirilecek olup dönem sonunda yapılan araştırmalar ve çalışmalarla ilgili endeksli bir dergide makale oluşturulması hedeflenmektedir.