DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Tezli Yüksek Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	10
ÖĞRETİM ELEMAN(LAR)I	-
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenmesi kavramlarının ne olduğunu öğrenecektir. 2) Bu başlıklar içerisindeki bazı yöntemlerin teorik altyapısını ve bilgisayarlı uygulaması öğrenecektir. 3) Sosyal ve beşeri bilimlerdeki uygulamalarını gerçek dünya verileri üzerinden yapabileceklerdir.
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER	Dersi alacak öğrencilerin, Temel İstatistik ve Bilgisayar Kodlama ile Algoritma bilgisi olması önerilir.
DERS TANIMI	Sosyal Bilimleri kapsayan uygulama alanlarında Yapay Zeka ve onun alt kümesi olan Makine Öğrenmesi ve Derin Öğrenme tekniklerinin kullanımı ve kullanılan bu tekniklerle çıkarımların yapılmasını amaçlayan bir derstir.
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Temel tanımlar ve kavramalar, Yapay Zekaya Giriş 2. Hafta Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenm Kavramları 3. Hafta Öğrenme Türleri ve Performans Değerlendirme 4. Hafta Veri İçin Ön İşlemler (Önişleme) 5. Hafta En İyi Modelin Seçimi (K-katlı çapraz doğrulama) ve Hiper Parametre Seçimi (Izgara Arama) 6. Hafta Radyal Destek Vektör Makineleri ve Firma Müşterilerin Sınıflandırılması 7. Hafta Destek Vektör Regresyonu ve Finansal Zaman Serisi Kestirimi 8. Hafta Ara sınav 9. Hafta Yapay Sinir Ağları ve Banka Müşterilerinin Sınıflandırılması 10. Hafta Meta-Sezgisel Optimizasyon 11. Hafta Genetik Algoritma ve Matematiksel Fonksiyon Uygulaması 12. Hafta Proje Sunumları 13. Hafta Proje Sunumları 14. Hafta Genel tekrar 15. Hafta 16. Hafta 17. Hafta 18. Hafta
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	T. Mitchell, "Machine Learning", McGraw-Hill, 1997. C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007. N. Gürsakal, ?Makine Öğrenmesi", Dora Yayın, 2018. V. Nabiev, "Yapay Zeka", Seçkin Yayınevi, 2021. G. Bektaş vd., "Yapay Zeka Optimizasyon Algoritmaları ve Mühendislik Uygulamaları", Seçkin Yayınevi 2021. M. Kubat, "Introduction to Machine Learning", Springer, 2017.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Soru-Cevap,Anlatım,Örnek Olay İncelemesi,Proje,Sunum
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 30 Proje 1 30 Toplam(%) 60 Yıl İçinin Başarıya Oranı(%) 60 Finalin Başarıya Oranı(%) 40 Toplam(%) 100
AKTS İŞ YÜKÜ	Aktivite Sayı Süresi(Saat) İş Yükü Ara Sınav 1 2 2 Kısa Sınavlara hazırlık Sınıf Dışı Ders Çalışma Süresi 14 3 42 Final Sınavına Hazırlık 1 25 25 Ders Saati 14 3 42 Ara Sınava Hazırlık 1 25 25 Laboratuvar Final Sınavı 1 2 2 Ödevler 1 12 12 Toplam İş Yükü 150 Toplam İş Yükü / 30 5 Dersin AKTS Kredisi 10
DİL	Türkçe
STAJ / UYGULAMA	Yok