Özyeğin Üniversitesi, Çekmeköy Kampüsü Nişantepe Mahallesi Orman Sokak 34794 Çekmeköy İstanbul

Telefon : +90 (216) 564 90 00

Fax : +90 (216) 564 99 99

info@ozyegin.edu.tr

Yapay Zeka Yüksek Lisans

Yapay Zeka Yüksek Lisans

Hakkında

Son yıllarda Yapay Zeka (YZ) ve ilgili teknolojilerde çok hızlı bir yükselişe tanık olmaktayız. YZ alanının önümüzdeki kısa dönemde sosyo-ekonomik ve bilimsel açıdan çok önemli değişikliklere yol açması beklenmektedir. Bu değişikliklerden birisi, YZ ve otomasyon ile alt ve orta seviye işgücü ihtiyacının düşerek, yerine daha çok sayıda YZ donanımlı çalışana ihtiyacın ortaya çıkmasıdır. YZ Yüksek Lisans Programımızın amacı, yaklaşmakta olan YZ çağının mühendis ve bilim adamlarını yetiştirerek bu ihtiyacı karşılamaktır. Bu programdan mezun olan öğrencilerin akademik hayata atılmalarının yanında, girişimci adımlar atarak yüksek katma değer üretebilen YZ şirketleri kurmaları beklenmektedir.

YZ Yüksek Lisans Programı, Özyeğin Üniversitesi’nin girişimci ve fark yaratan eğitim ve öğretim felsefesine uygun olarak, disiplinlerarası çalışabilen ve YZ alanında en yeni bilimsel bilgilere ve teknik becerilere sahip olan mühendisler ve bilim adamları yetiştirmek amacıyla dünya standartlarında bir eğitim sunmaktadır.

 

Yapay Zeka Tezli Yüksek Lisans Mezuniyet Koşulları

 

MEZUNİYET KOŞULLARI ÖZETİ

Ders Kategorisi

En Az Kredi (AKTS)

En Az Ders

Zorunlu Dersler

15

2

Seçmeli Dersler

37,5

5

GSE 680 Araştırma, İnovasyon ve Etik Üzerine Lisansüstü Çalışma ve Seminerler

7,5

1

AI 693 Yapay Zeka Yüksek Lisans Tez Çalışması I

7,5

1

AI 694 Yapay Zeka Yüksek Lisans Tez Çalışması II

22,5

1

AI 695 Yapay Zeka Yüksek Lisans Tez Çalışması III

30

1

Toplam AKTS

120

  

Yapay Zeka Tezsiz Yüksek Lisans Mezuniyet Koşulları

 

MEZUNİYET KOŞULLARI ÖZETİ

Ders Kategorisi

En Az Kredi (AKTS)

En Az Ders

Zorunlu Dersler

22,5

3

Seçmeli Dersler

45

6

GSE 680 Araştırma, İnovasyon ve Etik Üzerine Lisansüstü Çalışma ve Seminerler

7,5

1

AI 675 Yapay Zeka Yüksek Lisans Dönem Projesi

15

1

Toplam AKTS

90

 

Zorunlu Dersler

AI 675 Yapay Zeka Yüksek Lisans Dönem Projesi

Tezsiz yüksek lisans programının son aşaması olan bu ders bir dönem projesi içermektedir. Öğrenciler veri bilimi konusunda edindikleri bilgi birikimini bir gerçek hayat projesine uygulayarak öğrenim kazanımlarını kanıtlarlar.

AI 693 Yapay Zeka Yüksek Lisans Tez Çalışması I

Yüksek lisans tezinin ilk aşaması olan bu derste öğrenci tez danışmanıyla birlikte bir araştırma problemini tez konusu olarak belirler.

AI 694 Yapay Zeka Yüksek Lisans Tez Çalışması II

Yüksek lisans tezinin ikinci aşaması olan bu derste öğrenci bir araştırma yürütür ve tezinin ilk aşamasında belirlediği problemle ilgili bir çözüm üretir

AI 695 Yapay Zeka Yüksek Lisans Tez Çalışması III

Yüksek lisans tezinin üçüncü ve son aşaması olan bu derste öğrenci tezini yazar, tez çalışmasını yayınlar ve sunar.

GSE 680 Araştırma, İnovasyon ve Etik Üzerine Lisansüstü Çalışma ve Seminerler

Bu ders, araştırma ve inovasyon metotları; araştırma ve yayın etiği ve güvenilirliği; araştırma yayımlama metotları; araştırmanın sosyal, çevresel ve ekonomik etkileri ile hukuki boyutları konularını içerir.

 

Zorunlu Ders Havuzu

Öğrencilerin aşağıda belirtilen ders havuzundan en az 2 ders alması zorunludur. Öğrenciler bu havuzdan 2’den fazla ders almaları durumunda aldıkları fazla dersleri program yükümlülükleri içerisindeki seçmeli derslere saydırabilirler.

AI 510 Makine ile Öğrenme Teorisi

Bu ders makina ile öğrenmenin temellerini matematiksel bir açıyla inceleyerek, öğrencinin yapay zeka alanında yeni kuramlar yaratmasına temel olacak bilgileri verir.  

AI 511 Beyin Teorisi

Bu ders yapay zekanın sinir bilim ve beyin hakkındaki bulgulara parallel yapılar ile yaratılabileceği düşüncesiyle yapılan bilimsel çalışmalar üzerine kurulmuştur. Çeişitli modellem çalışmalarının verilmesinin yanında beyin fonksiyonlarının matematiksel modelenmesi ve simulasyonu hakkında gerekli altyapı verir.

AI 512 Genel Yapay Zeka

Bu derste, yapay zekanın gerçek anlamda genel problemlere uygulanabilir hale gelmesi için yapılan bilimsel çalışmalar ve yöntemler işlenir. Şu an var olan yapay zeka çözümleri büyük ölçüde tek bir alanda özelleşmiş durumdadır. Oysa genel yapay zeka, alan-bağımsız akıllı bir sistemin kurulmasını hedefler.   

AI 520 Çok Etmenli Sistemler

Bu ders, öğrencilere çok-etmenli sistemlerin genel kavramlarını ve ana uygulama alanlarını tanıtmayı hedeflemektedir. Etmen mimasi, etmenler arası haberleşme, kordinasyon mekanizmaları, takım çalışması, uzlaşma ve koalisyon oluşturma, dağıtık rasyonel karar verme, çok etmenli kaynak paylaşımı ve öğrenme konularını içermektedir.  

CS 545 Pekiştirmeli Derin Öğrenme

Bu ders, yapay öğrenmenin pekiştirmeli öğrenme isimli, akıllı eylem planlaması yapan modeller geliştirmeyi amaçlayan kolu hakkında giriş düzeyi bir içerik sunar. Pekiştirmeli öğrenme modelleri günümüzde robot kontrolünde, bilgisayar oyunlarının yapay zeka motorlarının geliştirilmesinde ve otomatik araç kullanma uygulamalarında etkin olarak kullanılmaktadır. Bu ders pekiştirmeli öğrenmeye, derin öğrenme perspektifinden bakmakta ve pekiştirmeli öğrenme yapabilen derin yapay sinir ağlarının oluşturulması gibi uygulamalı konuları da kapsamaktadır.

CS 551 Yapay Zekaya Giriş

Bu dersin hedefi öğrencileri yapay zekânın temel kavramları ve teknikleri ile tanıştırmaktır ve onlara akıllı sistemler inşa edecek beceriler kazandırmaktır. Dersin temel konuları, akıllı etmenler, buluşsal arama yöntemleri, planlama, kısıt sağlama, bilgi ifadesi & mantık yürütme ve makina öğrenmesidir.

CS 554 Yapay Sinir Ağları ve Otomatik Öğrenmeye Giriş

Ders öğrencilere yapay sinir ağlarında ve otomatik öğrenmede kullanılan standart teknikleri öğretmeyi amaçlar. İşlenecek konular:

•(Otomatik) öğrenme kavramı 

•Matematiksel çıkarımlı yöntemler (interpolasyon, hata minimizasyonu vb.)

•Beyin sinir ağlarından esinlenilmiş yapay nöral ağlar (perceptron öğrenmesi, Hopfield ağlar,      
  ileri beslemeli ağlar vb.)

CS 555 Hesaplama Teorisi

İşlenecek konular sonlu otomata,  düzenli diller, aşağı-ittir otomata, içerik bağımsız diller, Turing makinaları, karar verilebilirlik, durma problemi, zaman ve yar bazlı algoritma karmaşıklığı ve bunlara bağlı problem sınıflarıdır.

CS 558 İstatistiksel Yapay Öğrenmeye Giriş

Bu ders, modern istatistiksel çıkarsama tekniklerini yapay öğrenme bakış açısı ile işler. Önsel bilgi kavramı ve önsel bilginin bir öğrenme modeline ilkeli olarak nasıl işlenebileceğini ele alır. Günümüz yapay öğrenme araştırmalarının merkezinde bulunan yaklaşık çıkarsama tekniklerini ayrıntılı şekilde tarif eder. Ders, bu çıkarsama tekniklerinin derin öğrenmeye nasıl uygulanabileceğine dair yeni gelişmelere değinerek son bulur.

CS 566 Derin Öğrenmeye Giriş

Bu ders, konvolüsyonel sinir ağları, eğitmenli sınıflandırma, lojistik regresyon, çapraz entropi gibi temel derin öğrenme konularını tartışmaktadır. Ayrıca, eğitimin sayısal istikrarını, performansın ölçülmesindeki önemini analiz eder. Ek olarak ders performans ayar parametrelerinin ince ayarını yapmakta ve hızlı bir şekilde yakınsama için çeşitli yöntemler getirmektedir.

MATH 512 İstatistiksel Öğrenim Teorisi

Bu ders istatistiksel öğrenim teorisinin seçili konularını kapsar. İçerdiği konular, yoğunlaşma eşitsizlikleri, PAC öğrenilebilirlik, ampirik risk minimizasyonu, VC-boyutu ve Rademacher karmaşıklığı, konveks öğrenim problemleri, destek vektör makineleri ve çekirdek yöntemleri, sinir ağları ile çevrim içi öğrenim şeklindedir.

MATH 513 Stokastik Optimal Kontrol

Bu ders stokastik optimal kontrol teorisini ve stokastik optimal kontrol problemlerinin çözüm tekniklerini kapsar. Markov karar süreçleri, dinamik programlama prensibi, kısmi ölçülebilen Markov karar süreçleri, doğrusal karesel Gauss problemi ve Kalman süzgeçlemesi, indirimli ve ortalama maliyetli Markov karar süreçleri, grup karar teorisi ve merkezi-olmayan control konularını içerir.

 

Seçmeli Ders Havuzu

Öğrencilerin aşağıda belirtilen ders havuzundan en az 5 ders alması zorunludur. Öğrenciler bu havuz dışında bir dersi almak isterlerse, Enstitü Yönetim Kurulu’na başvururlar ve Enstitü Yönetim Kurulu tarafından onaylanan dersi alıp seçmeli ders olarak saydırabilirler.

EE 522 Sayısal Ses İşleme

Konular ses sinyalinin analizi, ses kodlama, metinden ses sentezi, konuşma tanıma, sesli imza, dilbilimin temelleri, duyma ve sesin yayılımıdır.

EE 525 Makinaya Öğretme

Bu ders doğrusal bağlanım ve sınıflandırma kavram ve yöntemleri, Gauss karışım modelleri ve EM algoritması, olasılıksal ana bileşen analizi ve faktör analizi, destek vektör makineleri ve çoklu sınıflandırma yöntemleri ile karar ağaçları ve rastgele ormanlar yöntemlerini kapsamaktadır.

CS 511 Robot Programlamasına Giriş

Ders temel robotik bilimi konuları (kinematik, dinamik, yörünge planlama, kontrol) ve bu bilgilerin robotların kontrol ve programlanması için kullanımını ve robotik öğrenmeyi kapsamaktadır.

CS 515 İnsan Makina Etkileşimi İçin Araştırma Metotları

Ders temel insan-makina senaryoları ve yapılmış olan araştırmalara giriş, deney tasarlama yöntemleri ve deneysel analiz konularını kapsar.

CS 523 Bilgisayarla Görme

Bu ders kamera ve projeksiyon, öznitelik bulma ve eşleme, steryo görü ve çoklu geometri, hareket kestirme, nesne takibi, ana bileşenler analizi ve öbekleme gibi bazı diğer makina öğrenme araçlarını tartışır.

CS 550 Dağıtık Sistemler ve Bulut Bilişim

Bu derste öğrenciler dağıtık sistemlerin ve bulut bilişimin ileri prensiplerini farklı mimarileri, işler-arası haberleşmeyi, sanallaştırmayı, isimlendirmeyi, dağıtık senkronizasyon ve konsensüsü, çoklama ve tutarlılığı, arıza toleransını, ve güvenlik konularını öğrenir. Öğrenciler yüksek-ölçekli altyapı ve platform hizmetleri tasarlamak ve gerçeklemek için gerekli pratik yetenekler elde eder. İşlenen konulara Nesnelerin Interneti (IoT), IBM Bluemix, Amazon Web servisleri, Microsoft Azure, Apache Hadoop, ve Google Cloud bulut hizmetleri gibi güncel konular da dahildir.

CS 552 Python ile Veri Bilimi

Bu dersin amacı yüksek lisans ve doktora öğrencilerinin Makine Öğrenmesi ile gerçek hayattaki Veri Bilimi problemlerini var olan araç ve Python dilini kullanarak çözme yeteneği kazanmalarını sağlamaktır. Ders kapsamında aşağıdaki konular işlenecektir:
• Python programlama diline giriş

• Python ile Makine Öğrenmesi

• Öğreticisiz Öğrenme

• Gözetimli Öğrenme

• Tavsiye Sistemleri

CS 560 Bilgi Erişimi ve Arama Motorları

Bu ders, metin tabanlı bilgi erişimi sistemlerinin teorisi, tasarımı, geliştirilmesi ve değerlendirilmesi konularını işler. Ders, arama motoru mimarileri, sayfa tarama metodları, indeksleme, erişim modelleri, sıralama algoritmaları, baglantı-tabanlı algoritmalar, kümeleme ve sınıflandırma, değerlendirme methodları ve metin madenciliği konularını içerir.

CS 562 Çok Etmenli Sistemlerde Ortak Karar Alma

Bu ders, çok etmenli sistemlerde ortak karar almayı ana hatlarıyla özetler ve ilgili temel kavram, teori ve algoritmaları sunar. Ders, fayda teorisi, oyun teorisi, tercih birleştirme, oylama metotları, otomatikleştirilmiş pazarlığın prensipleri ve grup tavsiye sistemleri konularını kapsar.

CS 567 İleri Derin Öğrenme

Bu dersin amacı öğrencilerin mevcut pratik derin öğrenme bilgisini ileri düzeye taşıyarak en son derin öğrenme yöntemlerini anlama ve ilerletme becerisi kazanmalarıdır.

MATH 503 Sayısal Lineer Cebir

Bu ders sayısal lineer cebirin seçili konularını kapsar. Matrix analizi, doğrusal sistemler için direkt yöntemler, doğrusal sistemler için yinelemeli yöntemler, özdeğer problemleri için yöntemler, doğrusal olmayan sistemler için yinelemeli yöntemler konularını içerir.

MATH 506 Olasılık Teorisi

Bu ders, ölçüm teorisine dayalı olasılık teorisinin temel kavramlarını tanıtmaktadır. Ders üç kısma ayrılmıştır. İlk kısım, ölçüm ve integral teorisinin temel kavramları ve olasılıktaki bağımsızlık kavramı üzerinedir. İkinci kısım, olasılık teorisi için gerekli olan momentler, L^p- uzayları, yakınsaklık çeşitleri, Radon-Nikodym teoremi, çarpım uzayları ve Fubini teoremi gibi ölçüm ve integral teorisinin daha gelişmiş konularını içerir. Son kısım ise zayıf yakınsaklık, karakteristik fonksiyonlar ve şartlı beklenen değer kavramlarını içerir ve olasılık teorisinin temel ‘başarıları’ olan büyük sayılar teorisi, merkezi limit teoremi ve martengel teoremini kapsar.

MATH 514 Bilgi Teorisi

Bu ders bilgi teorisinin temel kavramlarını tanıtır. İçerdiği konular sonlu alfabeli sistemler için bilgi ölçüleri, değişmez uzunluklu kayıpsız kaynak kodlaması, değişen uzunluklu kayıpsız kaynak kodlaması, kanal kodlaması, sonsuz alfabeli sistemler için bilgi ölçüleri, oran bozulma teorisi şeklindedir.

MATH 515 Stokastik Analiz

Bu ders, stokastik analizin bazı temel konularını kapsar. İçerdiği konular, Brown hareketinin inşası ve özellikleri, sürekli zamanda martengeller, stokastik integraller, Itô formülü, stokastik diferansiyel denklemler, ölçüm değişimleri ve Girsanov teoremi şeklindedir.

DS 581 Veri Madenciliği 

Bu dersin amacı öğrencileri temel veri madenciliği teknikleri ile ilgili bilgilerle donatmaktır. Bu tekniklerin arasında kümeleme, sepet analizi, sıra analizi gibi betimsel yöntemlerin yanısıra, karar ağaçları, lojistik regresyon gibi tahmin yöntemleri yer almaktadır. Teorik dersler uygulama çalışmaları ile desteklenir ve bir veri madenciliği paket programının kullanımı ile ilgili temel beceriler de kazandırılır. Dersin sonunda öğrenciler gerçek hayat problemlerinin hangilerine veri madenciliği yöntemlerini uygulayabileceklerini bilir ve bazı temel yöntemleri problem çözme amaçlı olarak kullanabilir durumda olurlar.

IE 501 Doğrusal Programlama ve Uzantıları

Dersin amacı, kararların sonuçlarının doğrusal ilişkilerle bağlı olduğu eniyileme problemlerinin modellenmesi ve ilgili çözüm algoritmalarının öğretilmesidir. Üzerinde durulacak konular arasında temel ve çifteşli simpleks yöntemleri, doğrusal programlama çifteşliği, tümler gevşeklik bağıntısı, duyarlılık analizi, yozluk ve yozlukla başa çıkma yöntemleri, serim akışlarının doğrusal programlar olarak modellenmesi ve ağ simpleks yöntemi ile çözülmesi bulunmaktadır. Dersin odağı teorik ağırlıklı olacak, verilecek çalışmalarda ağırlıklı olarak öğrencilerin matematiksel ispatlar yapması beklenecektir.

IE 502 Tamsayılı Programlama

Dersin amacı, kararların kesikli olduğu eniyileme problemlerinin modellenmesi ve doğrusal programlama tabanlı kesikli eniyileme yöntemleri kullanılarak çözülmesinin öğretilmesidir. İşlenecek konular arasında tümlü birimsellik, çokyüzlüler kuramına giriş, genel geçerli eşitsizlikler, çifteşlik ve gevşetme, dal-sınır ve dal-kesi yöntemleri, kesen düzlem algoritmaları, Lagrange gevşetmesi ve altgradyan yöntemi, kolon türetme ve dal-fiyat yöntemi ve dinamik izlenceleme yöntemi bulunmaktadır. Öğrencilere verilecek çalışmalarda, teorik analizler ve pratik uygulamalar eşit ağırlıklı olacak, öğrencilerin matematiksel ispatlar yapmasının yanı sıra derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 503 Doğrusal Olmayan Programlama

Dersin amacı, kararların sonuçlarının doğrusal olmayan ilişkilerle bağlı olduğu eniyileme problemlerinin modellenmesi ve ilgili çözüm algoritmalarının öğretilmesidir. Üzerinde durulacak konular arasında dışbükey analiz, eniyilik için gerekli ve yeterli koşullar, eşitlik ve eşitsizlik kısıtlarının çözümlenmesi, doğru araması yöntemleri, güven alanı yöntemleri, Nelder-Mead yöntemi, Newton yöntemi ve türevleri,  ceza fonksiyonu yöntemleri bulunmaktadır. Öğrencilere verilecek çalışmalarda, teorik analizler ve pratik uygulamalar eşit ağırlıklı olacak, öğrencilerin matematiksel ispatlar yapmasının yanı sıra derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 504 Sezgisel Optimizasyon Yöntemleri

Dersin amacı, son yirmi yılda hızla gelişen metasezgisel yöntemlerin tanıtılması ve farklı eniyileme problemlerindeki uygulamalarının gösterilmesidir. Üzerinde durulacak konular arasında klasik kuruluşsal ve yerel iyileştirme sezgiselleri, Lagrange gevşetmesi, Benzetimlenmiş Tavlama, Tabu Araması, Dürük Yerel Arama, Genetik ve Memetik Algoritmalar, Karınca Kolonisi Eniyilemesi, Yol Yeniden Birleştirme ve Parçacık Kovanı Eniyilemesi bulunmaktadır. Öğrencilere verilecek çalışmalarda, odak pratik uygulamalarda olacak, derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 532 Rassal Süreçler

Dersin amacı, rassal bileşen içeren süreçlerin davranışlarını inceleyen ve analiz eden matematiksel modellerin kullanımını göstermektir. Üzerinde durulacak konular arasında, olasılık kuramının tekrarı, rasgele yürüyüşler, Poisson süreçler, yenileme kuramı, kesikli ve sürekli Markov zincirleri ve güvenirlik bulunmaktadır. Öğrencilere, derste öğretilen temel kavramların, kuralların ve yaklaşımların envanter kontrolü, üretim, finans, ve komünikasyon sistemleri konularındaki uygulamaları da tanıtılacaktır.

IE 534 İleri Olasılık ve İstatistik

Dersin amacı, öğrencilere mühendislikte ve uygulamalı bilimlerde kullanılan istatistik modellerini,  bu modellerin uygulanma şekillerini ve sonuçlarını yorumlamayı öğretmektir. Dersin vurgusu, istatistiksel çıkarımın temel ilkeleri üzerinedir. Ders materyali ayrıca temel regresyon analizi ve doğrusal modelleri içerir. Üzerinde durulacak konular arasında, istatistikî kestirici kavramı, nokta tahmini, güven aralıkları, regresyon analizi, Cramer-Rao alt sınırı, hipotez testleri, olasılık dağılımı uyuşum sınaması, değişinti analizi, deney tasarımı metodolojisi, sınıflandırma teorisi ve kümeleme çözümlemesi bulunmaktadır. Öğrencilere, derste öğretilen metotların mühendislikte ve uygulamalı bilimlerdeki uygulamaları da tanıtılacaktır.

IE 543 Belirsizlik Altında Optimizasyon

Bu ders rassal matematiksel optimizasyon problemlerinin modellenmesin ve bu problemlerin kesin ya da yaklaştırım metotlarıyla çözümlenmesini ele alır. Ders temel olarak gürbüz ve rassal optimizasyonun modelleme ve çözüm metodolojileri üzerine kuruludur. Çözüm metotları bilgisayar ortamında MATLAB, YALMIP ve CPLEX kullanarak kodlanır.

IE 562 Oyun Teorisi

Oyun teorisi,  sadece ekonomik piyasa katılımcılarının etkileşimlerini anlamak için değil, bunun sonucu gözlenen sosyal fenomeni anlamak için de geliştirilmiş matematiksel bir araçtır. Dersin amacı, öğrencilere katılımcıların stratejik etkileşimlerini araştırmak için kullanılan analitik yöntemleri göstermektir. Derste islenecek konular arasında, fayda kavramı, normal formda oyunlar, baskınlık, Nash dengesi, saf ve karışık stratejiler, kapsamlı formda oyunlar, tekrarlanan oyunlar, asimetrik/eksik bilgili oyunlar bulunmaktadır.  Öğrencilere, derste öğretilen temel kavramların, kuralların ve yaklaşımların mühendislik, işletme, ekonomi alanındaki uygulamaları da vaka olayları yardımıyla anlatılacaktır.

ME 589 İleri Mühendislik Matematiği

İleri seviyede mühendislik matematiği konularını baz alan bir derstir. Ders boyunca doğrusal olmayan sistemlerin modellenmesi ve doğrusallaştırılmaları, kesikli süreçler, veri bazlı modelleme, nümerik matematik, Kalman filtresiz bazlı veri işleme, en iyileştirme ve vektör değişimler analizi konuları ele alınır. Öğrenciler bu teknikleri MATLAB ve Simulink kullanarak projelerinde işler.