Bu dersin amacı belirsizlik ortamında karar verebilmek için yapay zekada kullanılan metodları incelemektir. Bu amaçla geliştirilen metodlardan olan grafiksel modeller, rassal değişkenler arasındaki koşullu bağımsızlıkları grafikler aracılığıyla gösteren olasılıksal modellerdir. Bu derste; özellikle Bayes teoremini esas alan ve olasılıksal çıkarımda kullanılan Bayes ağları ve Bayes ağlarının bir genellemesi olan ve karar verme problemlerinde kullanılan “Etki diagramları” ele alınacaktır. “Bayes ağları” ve “Etki diagramları” Sayısal Yöntem araçları olup kullanımları işletmenin her dalında (Üretim, Finans, Pazarlama vs.) etkin bir şekilde mevcuttur. Konu ile ilgili çeşitli makaleler ders sırasında tartışılacak, Hugin ve Netica programlarının kullanımı ile çeşitli uygulamalar yapılacaktır. Ayrıca olasılık teorisine bir alternatif olarak görülen “Dempster‐Shafer Teorisi” dersin tartışma konuları içerisindedir.

Bayes Teoremi/ Bayes Ağları / Etki Diagramları / Dempster-Shafer Teorisi / Karar Ağaçları / Birleşik Ağaçlar/ Füzyon Algoritması / Hugin ve Netica programlarının Bayes ağları ve etki diagramları oluşturmada kullanılması

Konu ile ilgili çeşitli makaleler ders sırasında tartışılması, Hugin ve Netica programlarının kullanımı ile çeşitli uygulamalar yapılması, öğrencilerin derste öğrenilen metodları kullandığı ödevleri yapması. Her öğrencinin derste öğrenilen metodları kullandığı özgün bir makale yazması, dönem arasında ve dönem sonunda bu makalenin sözlü sunumu.

Probabilistic Networks and Expert Systems”, Robert G.Cowell, A.Philip Dawid, Steffen L. Lauritzen, David J. Spiegelhalter, Springer “Causality, Models Reasoning and Inference”, Judea Pearl, Cambridge University Press Risk Assessment and Decision Analysis with Bayesian Networks, N. Fenton, M. Neil, CRC Press, Bayesian Reasoning and Machine Learning, David Barber, Cambridge University Press