| 1 |
Yapay zekâ kavramları, mühendislik uygulamalarındaki rolü ve temel terminoloji tanıtılır. |
|
|
|
| 2 |
Makine öğrenmesine giriş ve denetimli–denetimsiz öğrenme yaklaşımları ele alınır. |
|
|
|
| 3 |
Regresyon yöntemleri ve mühendislik verilerine uygulanması incelenir. |
|
|
|
| 4 |
Sınıflandırma algoritmaları ve performans değerlendirme ölçütleri ele alınır. |
|
|
|
| 5 |
Yapay sinir ağlarının temel yapısı ve öğrenme mekanizmaları incelenir.
|
|
|
|
| 6 |
Derin öğrenmeye giriş ve çok katmanlı ağ mimarileri değerlendirilir. |
|
|
|
| 7 |
VİZE |
|
|
|
| 8 |
Veri ön işleme, boyut indirgeme ve özellik seçimi yöntemleri ele alınır. |
|
|
|
| 9 |
Zaman serisi analizi ve süreç verilerinin modellenmesi incelenir.
|
|
|
|
| 10 |
Yapay zekâ ile proses modelleme ve kestirimci bakım uygulamaları değerlendirilir.
|
|
|
|
| 11 |
Optimizasyon problemlerinde makine öğrenmesi ve meta-sezgisel yöntemler ele alınır. |
|
|
|
| 12 |
Görüntü işleme ve sensör verilerinin yapay zekâ ile analizi incelenir.
|
|
|
|
| 13 |
Dijital ikiz, akıllı üretim ve Endüstri 4.0 bağlamında yapay zekâ uygulamaları ele alınır.
|
|
|
|
| 14 |
Kimya mühendisliği süreçlerinde yapay zekâ tabanlı vaka çalışmaları değerlendirilir.
|
|
|
|
| 15 |
Dersin genel değerlendirmesi yapılır ve öğrenci proje sunumları gerçekleştirilir.
|
|
|
|
