Yapay Zekâ Temelleri #07 | İyi Bir Sezgisel Tahmin

Eğitmen: Dr. Süleyman Burak ÇELİK

Geçen derste a yıldız yönteminde birikmiş maliyet ge ile hedefe kalan tahmin ha değerini topladık. Elde ettiğimiz ef değeri, hangi düğümü önce seçeceğimizi belirledi. Ama her sayı listesine sezgisel tahmin deyip aynı sonucu bekleyemeyiz. Bugün tahminin iki farklı koşulunu sınayacağız. Alt sınır, tutarlılık ve yeniden açma. Ajanları ve karar mekanizmalarını gerçek konuşmayla eşleşen şemalar ve özgün örneklerle adım adım inceliyoruz. Bu derste: 1. Tahmin, gerçek kalanı aşmıyor mu? 2. Tutarlılık her kenarda sınanır 3. Tutarlılık f değerini nasıl etkiler? 4. Aşırı tahmin kısa yolu gizleyebilir 5. Alt tahmin olup tutarsız olmak 6. C neden ikinci kez açılabiliyor? 7. Güvenilir tahmini nasıl kurarız? Bölümler: 0:00 Bir tahmine neden güvenelim? 0:58 Önce gerçek kalan maliyetleri bulalım 1:57 Tahmin, gerçek kalanı aşmıyor mu? 2:51 Tutarlılık her kenarda sınanır 3:48 Tutarlılık f değerini nasıl etkiler? 4:45 Aşırı tahmin kısa yolu gizleyebilir 5:39 Alt tahmin olup tutarsız olmak 6:33 C neden ikinci kez açılabiliyor? 7:28 Güvenilir tahmini nasıl kurarız? 8:31 Doğruluk ile hız ayrı ölçülür 9:24 Sırada: bütün yolları saklamadan aramak Kaynak kitap: Stuart Russell, Peter Norvig — Artificial Intelligence: A Modern Approach, 4e Global (2021), §3.5.2–3.5.3; §3.6.1–3.6.2. Kavram ve konu sırası kaynak kitaptan izlenir; anlatım, şemalar ve sayısal örnekler özgündür. Ekrandaki sayılar açık varsayımlı öğretim modelleridir; gerçek cihaz ölçümü değildir. Hedef kitle: bilgisayar mühendisliği ve yazılım öğrencileri.