Süni intellektSillabus

Fənn kodu

İF-40178y

Kredit

4

Tələbənin iş yükü

120

Semestr

Payız semestri

Akademik il

2025-2026

Fənnin tipi

Məcburi

Təhsil forması

Əyani

Tədris dili

Azərbaycan

Auditoriyadaxili saatlar

a) 30 saat - mühazirə b) 15 saat - seminar

Auditoriyadan kənar saatlar

a) 45 saat - sərbəst iş b) 30 saat - hazırlıq

“Süni intellekt” fənni süni intellektin nəzəri əsaslarını, inkişaf istiqamətlərini və tətbiq sahələrini öyrədir. Fənn çərçivəsində biliklərin təsviri və təqdim olunması üsulları, bilik bazaları, məntiqi, semantik, freym, produksiya və obyekt-yönlü bilik modelləri, ekspert sistemlərinin quruluşu, iş prinsipləri və tətbiqi, həmçinin axtarış strategiyaları və məntiqi çıxarış mexanizmləri öyrənilir. Kurs tələbələrdə intellektual sistemlərin layihələndirilməsi, biliklərin emalı və ekspert sistemlərinin yaradılması üzrə nəzəri biliklər və praktiki bacarıqlar formalaşdırır, süni intellekt texnologiyalarının müxtəlif tətbiq sahələrində istifadəsinə hazırlayır.

• mühazirə
• seminar
• təqdimatlar
• interaktiv müzakirə
• layihə əsaslı öyrənmə

1. 1

   CLO 1: Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tətqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.

2. 2

   CLO 2: Süni Intellektual sistemlər, biliyin təsviri, biliklərin təsnifatını, biliyin təsvirinin məntiqi modeli və biliyin aşkarlanmasının problemlərini bilməlidir.

3. 3

   CLO 3: Biliklər və biliklər bazası, bilikləri səciyyələndirən xüsusiyyətlər haqqında biliklərə malik

4. 4

   CLO 4: Biliklərin təsvir modelləri: məntiqi modeller, semantik modeller, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.

5. 5

   CLO 5: Ekspert sistemlərin təsnifatını, onların işlənməsinin texnologiyalarını, onların tətbiq sahələrini bilməlidir.

6. 6

   CLO 6: Ekspert sistemlərində həllin axtarış metodları və strategiyalarini, məntiqi çıxarış mexanizmlərini bilməlidir.

1. 1.
   Süni İntellekt KonsepsiyalarıMühazirə

   Mövzuda süni intellektin mənşəyi, tarixi inkişaf mərhələləri və zəkanın fundamental keyfiyyətləri öyrənilir. Tələbələr Sİ-nin mahiyyətini anlamaq üçün Turinq testi və Çin otağı fəlsəfi arqumentlərini, həmçinin inkişaf məktəblərini təhlil edirlər. Dərsin gedişatında Sİ-yə fərqli yanaşma konsepsiyaları, Sİ-nin funksional növləri, Artırılmış İntellekt konsepti və bu sahədəki qlobal etik prinsiplər araşdırılır.

   • Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tədqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.
2. 2.
   Ekspert sistemləriMühazirə

   Mövzuda süni intellektin ən uğurlu praktiki tətbiqlərindən biri olan, insan ekspertin qərar qəbul etmə qabiliyyətini simulyasiya edən Ekspert Sistemləri (ES) öyrənilir. Tələbələr ekspert sistemlərinin xarakterik xüsusiyyətlərini təhlil edir, insan mütəxəssis, ənənəvi proqram təminatı və neyron şəbəkələri ilə müqayisəli fərqlərini araşdırırlar. Dərsin gedişatında ES-in yaradılma mərhələləri və onun memarlıq komponentləri — Biliklər bazası, məntiqi çıxarışlar edən Nəticə çıxarma mühərriki və cari verilənləri saxlayan İşçi yaddaş dərindən öyrənilir. Həmçinin, bilik mühəndisliyinin əsası olan bilik növləri, aşkar və qeyri-aşkar bilik fərqləri, eləcə də biliklərin təsvir modelləri təhlil edilir.

3. 3.
   Ekspert sistemlərinin yaradılma mərhələləriMühazirə

   Mövzuda süni intellektin tətbiqi sahələrindən biri olan ekspert sistemlərinin (ES) daxili memarlığı və bütöv bir proqram təminatı kimi formalaşma addımları dərindən öyrənilir. Tələbələr ES-in nüvəsini təşkil edən üç fundamental komponenti — spesifik sahəyə aid qayda və faktların saxlandığı Biliklər bazası, mövcud biliklər əsasında məntiqi mülahizələr yürüdən Nəticə çıxarma mühərriki və cari problemə aid anlıq datanı emal edən İşçi yaddaş strukturlarını təhlil edirlər. Həmçinin, bir ekspert sisteminin layihələndirilməsindən tətbiqinə qədər keçdiyi mühəndislik mərhələləri ardıcıllıqla araşdırılır.

   • Süni İntellektual sistemlər, biliyin təsviri, biliklərin təsnifatını, biliyin təsvirinin məntiqi modeli və biliyin aşkarlanmasının problemlərini bilməlidir.
   • Biliklər və biliklər bazası, bilikləri səciyyələndirən xüsusiyyətlər haqqında biliklərə malik olmalıdır.
4. 4.
   Statistikanın əsas anlayışlarıMühazirə

   Mövzuda verilənlər elmi və maşın öyrənməsinin təməl sütunu olan statistikanın ilkin anlayışları və metodologiyası öyrənilir. Tələbələr kəmiyyət göstəricilərinin toplanması, nizamlanması və təhlil edilməsi prinsiplərini, eləcə də tədqiqat obyektinin tam çoxluğunu ifadə edən Baş çoxluq ilə ondan müəyyən qaydalarla seçilmiş kiçik qrup olan Seçmə çoxluq arasındakı fundamental fərqləri təhlil edirlər. Həmçinin, statistik analizlərdə istifadə olunan dəyişənlərin növləri və onların ölçmə şkalaları araşdırılır.

   • Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tədqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.
5. 5.
   Ədədi orta., moda, median. Dispersiya. Orta kvadratik meyllənmə. Determinasiya. Kovaryans.Mühazirə

   Mövzuda verilənlər çoxluğunun mərkəzi meyllənmə və paylanma xüsusiyyətlərini təyin edən təməl statistik göstəricilər, həmçinin dəyişənlər arasındakı asılılıq dərəcələri öyrənilir. Tələbələr datanın mərkəzini müəyyən edən Ədədi orta, moda, median anlayışlarını və datanın nə dərəcədə səpələndiyini ölçən Dispersiya və Orta kvadratik meyllənmə göstəricilərini təhlil edirlər. Dərsin ikinci hissəsində isə iki fərqli dəyişənin birlikdə necə dəyişdiyini göstərən Kovaryans və bir dəyişənin digərini nə dərəcədə izah etdiyini təyin edən Determinasiya əmsalı prinsipləri araşdırılır.

   • Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tədqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.
6. 6.
   Maşın öyrənməyə giriş, anlayışlar, terminologiya və metodlar.Mühazirə

   Mövzuda süni intellektin ən dinamik qolu olan, sistemlərin proqramlaşdırılmadan verilənlər əsasında öyrənməsini təmin edən Maşın Öyrənməsi sahəsi öyrənilir. Tələbələr maşın öyrənməsinin tarixi təkamülünü, əsas terminologiyasını və fundamental metodlarını təhlil edirlər. Dərsin əsas hissəsində bir maşın öyrənməsi layihəsinin uçdan-uca (end-to-end) həyat dövrünü təşkil edən arxitektur mərhələlər — Məlumatların əldə edilməsi, Verilənlərin ilkin emalı, Modelləşdirmə, İcra/Qiymətləndirmə və hazır modelin istehsalat mühitinə buraxılması prinsipləri araşdırılır.

   • Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tədqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.
7. 7.
   Nəzarətli ÖyrənməMühazirə

   Mövzuda maşın öyrənməsinin sənayedə ən çox tətbiq olunan sahəsi — Nəzarətli Öyrənmə konsepsiyası öyrənilir. Tələbələr giriş verilənlərinin və onlara uyğun düzgün çıxış cavablarının modelə öncədən verildiyi "müəllimli öyrənmə" mexanizmini təhlil edirlər. Dərsin gedişatında nəzarətli öyrənmənin iki əsas istiqaməti olan Reqressiya və Təsnifatlandırma məntiqi, həmçinin bu istiqamətlərdə istifadə olunan fundamental metodlar araşdırılır.

   • Süni intellektin yaranmasının məqsədi, bu sahədə aparılan işlərin təsnifatı, tədqiqi üçün əsas istiqamətlər haqqında biliyə malik olmalıdır.
8. 8.
   Təsnifatlandırmaq (Classification) və Reqressiya (Regression). Reqressiya alqoritmləri.Mühazirə

   Mövzuda nəzarətli öyrənmənin iki əsas funksional istiqaməti olan təsnifatlandırma və reqressiya tapşırıqları, onların arasındakı fundamental fərqlər və sənayedə tətbiq ssenariləri öyrənilir. Tələbələr hədəf dəyişənin diskret kateqoriyalar olduğu Təsnifatlandırma ilə hədəf dəyişənin kəsilməz, real ədədi qiymətlər olduğu Reqressiya məntiqini müqayisəli şəkildə təhlil edirlər. Dərsin ikinci hissəsində isə xətti, çoxölçülü və qeyri-xətti asılılıqları modelləşdirmək üçün istifadə olunan əsas reqressiya alqoritmləri araşdırılır.

   • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
9. 9.
   Nəzarətsiz Öyrənmə (Unsupervised Learning). Klasterləşdirmə.Mühazirə

   Mövzuda maşın öyrənməsinin etiketlənməmiş xam verilənlərlə işləyən istiqaməti olan nəzarətsiz öyrənmə konsepsiyası öyrənilir. Tələbələr çıxış cavabları öncədən verilməyən datadakı gizli strukturları, daxili qanunauyğunluqları və oxşarlıqları aşkar etməyin yollarını təhlil edirlər. Dərsin əsas hissəsində verilənlər çoxluğunu bənzər xüsusiyyətlərinə görə alt qruplara ayıran klasterləşdirmə metodu, onun iş prinsipləri, sənayedə müştəri seqmentasiyası və anomaliyaların təyini kimi sahələrdə tətbiqi araşdırılır.

   • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
10. 10.
    Reqressiya anlayışı. Reqressiya təhlili.Mühazirə

    Mövzuda maşın öyrənməsi və statistikanın ən fundamental proqnozlaşdırma metodlarından biri olan reqressiya təhlili öyrənilir. Tələbələr asılı və asılı olmayan dəyişənlər arasındakı riyazi münasibətləri, kəsilməz ədədi qiymətlərin proqnozlaşdırılması mexanizmini və reqressiyanın təsnifatını təhlil edirlər. Dərsin əsas hissəsində yalnız bir müstəqil dəyişənə əsaslanan sadə xətti reqressiya və çoxsaylı faktorların hədəf dəyişəninə təsirini ölçən çoxölçülü xətti reqressiya modellərinin iş prinsipləri, tənlikləri və qiymətləndirilməsi araşdırılır.

    • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
11. 11.
    Qeyri-səlis məntiqə giriş. Qeyri-səlis məntiq konsepsiyasıMühazirə

    Mövzuda klassik binar məntiqin sərhədlərini aşan və real dünya qeyri-müəyyənliklərini modelləşdirməyə imkan verən qeyri-səlis məntiq konsepsiyası öyrənilir. Tələbələr yalnız doğru və ya yalan dəyərləri üzərində qurulmuş ənənəvi məntiq ilə sıfır və bir arasında sonsuz sayda kəsilməz mənsubiyyət dərəcələrini qəbul edən qeyri-səlis məntiq prinsiplərini müqayisəli şəkildə təhlil edirlər. Dərsin əsas hissəsində qeyri-səlis çoxluq anlayışı, mənsubiyyət funksiyaları və bu çoxluqlar üzərində aparılan fundamental riyazi əməliyyatların tətbiqi qaydaları araşdırılır.

    • Süni İntellektual sistemlər, biliyin təsviri, biliklərin təsnifatını, biliyin təsvirinin məntiqi modeli və biliyin aşkarlanmasının problemlərini bilməlidir.
12. 12.
    Süni neyronun bioloyi təsviriMühazirə

    Mövzuda insan beyninin iş mexanizmi ilə süni intellektin ən güclü qolu olan neyron şəbəkələri arasındakı bioloji və riyazi bağlılıq öyrənilir. Tələbələr mərkəzi sinir sisteminin təməli olan bioloji neyronun strukturunu, onun hissələrini və siqnalların ötürülməsi prinsiplərini təhlil edirlər. Dərsin əsas hissəsində bu strukturun mühəndislik adaptasiyası olan ilk süni neyron modelləri — McCulloch-Pitts və Perseptron modelləri, həmçinin süni neyronun ümumiləşmiş riyazi komponentləri araşdırılır. Sonda bu tək neyronların birləşərək formalaşdırdığı şəbəkə modelləri və növləri təhlil edilir.

    • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
13. 13.
    Dərin Öyrənmə. Dərin öyrənməyə girişMühazirə

    Mövzuda süni intellekt və maşın öyrənməsinin ən sürətlə inkişaf edən, çoxqatlı süni neyron şəbəkələrinə əsaslanan istiqaməti — Dərin Öyrənmə sahəsi öyrənilir. Tələbələr dərin öyrənmənin fundamental anlayışlarını, spesifik terminologiyasını, tarixi təkamülünü və onun maşın öyrənməsinin digər siniflərindən fərqlənən tərəflərini təhlil edirlər. Dərsin əsas hissəsində mürəkkəb, qeyri-xətti verilənləri və böyük data kütlələrini emal etmək üçün istifadə olunan əsas dərin öyrənmə metodları və fərqli şəbəkə arxitekturalarının strukturu araşdırılır.

    • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
14. 14.
    Dərin modellərin əsas növləriMühazirə

    Mövzuda dərin öyrənmənin sənayedə tətbiq olunan əsas model növləri və onların fərqli xüsusiyyətləri öyrənilir. Tələbələr ənənəvi maşın öyrənməsi ilə dərin öyrənmə arasındakı fundamental fərqləri — xüsusiyyətlərin çıxarılması processesi, verilənlərin həcmindən asılılıq, hesablama resursları və performans meyarları üzrə müqayisəli şəkildə təhlil edirlər. Dərsin əsas hissəsində kompüter görməsi, təbii dilin emalı, nitqin tanınması və avtonom sistemlər kimi müasir dünyanı formalaşdıran real tətbiq sahələri araşdırılır.

    • Biliklərin təsvir modelləri: məntiqi modellər, semantik modellər, freym modelləri, produksiya modelləri, obyekt-yönlü modelləri bilməlidir.
15. 15.
    Genetik alqoritmlərMühazirə

    Mövzuda təbiətdəki təbii seçmə və təkamül proseslərindən ilhamlanaraq yaradılmış, süni intellekt mühitində mürəkkəb axtarış və optimallaşdırma problemlərinin həlli üçün tətbiq edilən genetik alqoritmlər öyrənilir. Tələbələr populyasiyanın formalaşdırılması, fərdlərin xromosom şəklində kodlaşdırılması və namizəd həllərin keyfiyyətini ölçən uyğunluq funksiyası kimi təməl anlayışları təhlil edirlər. Dərsin əsas hissəsində ən yaxşı fərdlərin növbəti nəsil üçün seçilməsi mexanizmləri, yeni həllərin yaradılması üçün çarpazlaşma, genetik müxtəlifliyi qorumaq və lokal minimumlardan qaçmaq üçün mutasiya operatorlarının iş prinsipləri, eləcə də elitizm strategiyası praktiki olaraq araşdırılır.

1. Бессмертный, И. А. - "Системы искусственного интеллекта" (2016)(yeni pəncərədə açılır)
2. Новиков Ф.А. - "Символический искусственный интеллект: математические основы представления знаний" (2016)(yeni pəncərədə açılır)