GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
OYPY276 Yapay Zeka Teknolojileri Seçmeli Ders Grubu 2 4 4.00 3.00

Dersin Seviyesi

Önlisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Yapay Zeka Teknolojileri dersinin amacı, öğrencilere yapay zekâ alanının temel kavramlarını, tarihsel gelişimini ve çalışma prensiplerini tanıtarak; bu teknolojilerin günümüzdeki uygulama alanlarını teorik ve pratik yönleriyle kavrayabilmelerini sağlamaktır. Ders kapsamında, yapay zekânın disiplinler arası doğası, makine öğrenmesi, derin öğrenme, sinir ağları, doğal dil işleme, bulanık mantık gibi yöntemler ele alınmakta; öğrencilerin bu yöntemleri analiz edebilme ve yorumlayabilme yetkinliği kazanmaları hedeflenmektedir. Ayrıca, yapay zekâ sistemlerinin etik, sosyal ve ekonomik boyutları üzerinde durularak, öğrencilerin teknolojiyi sorumlu ve bilinçli bir şekilde değerlendirme becerileri geliştirmeleri amaçlanmaktadır.

Dersi Veren Öğretim GörevlisiGörevlileri

Dr. Ertan AKGENÇ

Öğrenme Çıktıları

1 Öğrenciler, yapay zekâ kavramını, tarihsel gelişimini ve temel uygulama alanlarını açıklayabilecek düzeyde bilgi sahibi olur.
2 Yapay zekâ sistemlerinin temel bileşenlerini (veri, algoritma, hesaplama gücü) analiz eder ve farklı yapay zekâ ajan türlerini karşılaştırabilir.
3 Makine öğrenmesi, derin öğrenme, doğal dil işleme ve bulanık mantık gibi yöntemlerin temel prensiplerini kavrayarak örnek uygulamaları değerlendirebilir.
4 Yapay zekânın matematiksel temellerini (örneğin; lineer cebir, istatistik, olasılık) kullanarak basit yapay zekâ modellerini çözümleyebilir.
5 Yapay zekâ teknolojilerinin toplumsal, etik ve hukuki etkilerini sorgulayarak, bu teknolojilerin sorumlu kullanımına yönelik eleştirel bir bakış geliştirebilir.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

Yoktur.

Ders İçin Önerilen Diğer Hususlar

Yoktur.

Dersin İçeriği

Yapay zekâya giriş, tarihsel gelişimi ve temel tanımlar Zekâ türleri ve yapay zekâ ile ilişkisi Yapay zekânın amaçları ve uygulama alanları Yapay zekâ bileşenleri: veri, algoritma, hesaplama gücü Yapay zekâ ajanları ve karar mekanizmaları Akıl yürütme yöntemleri: tümdengelim, tümevarım Bilgi temsili ve çıkarım sistemleri Doğal dil işleme (NLP) ve insan-makine iletişimi Bulanık mantık ve belirsizlik altında karar verme Makine öğrenmesi: denetimli, denetimsiz ve pekiştirmeli öğrenme Derin öğrenme ve yapay sinir ağları Yapay zekâ ve matematiksel temeller Büyük veri, veri madenciliği ve veri yönetim sistemleri Yapay zekânın etik, sosyal ve hukuki boyutları

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik Uygulama [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Yapay Zekaya Giriş Yapay zeka nedir? Alan Turing ve Turing Testi Yapay zeka türleri: Dar, Genel ve Süper Zeka Uygulama alanları ve tarihçesi Yoktur. Araştırma ödevi verilmektedir. Yoktur.
2 Yapay Zekanın Bileşenleri ve Amaçları Veri, algoritmalar, işlem gücü Bilimsel, mühendislik ve eğitimdeki hedefleri Disiplinlerarası yapısı Yoktur. Araştırma ödevi verilmektedir. Yoktur.
3 Zekâ Türleri ve Matematiksel Temeller Gardner’ın Çoklu Zekâ Kuramı Mantıksal ve matematiksel zekânın YZ ile ilişkisi Akıl yürütme türleri: tümdengelim, tümevarım Yoktur. Araştırma ödevi verilmektedir. Yoktur.
4 Hafta: Büyük Veri ve Veri Madenciliği Büyük verinin 5V’si: Hacim, hız, çeşitlilik, doğruluk, değer Veri madenciliği nedir? Veri ambarı vs. veri gölü kavramları Yoktur. Araştırma ödevi verilmektedir. Yoktur.
5 Yapay Zekâ Ajanları Refleks ajanlar, model tabanlı ajanlar Hedef tabanlı, fayda tabanlı ve öğrenen ajanlar Gerçek dünya uygulamaları Yoktur. Araştırma ödevi verilmektedir. Yoktur.
6 Bilgi Temsili ve Çıkarım İleriye ve geriye doğru zincirleme Kurallar, budama, kara tahta kavramı Uzman sistemler ve bilgi mühendisliği Yoktur. Araştırma ödevi verilmektedir. Yoktur.
7 Bulanık Mantık Belirsizlikle başa çıkma Bulanık kümeler ve kurallar Uygulama örnekleri: klima sistemleri, kontrol sistemleri Yoktur. Araştırma ödevi verilmektedir. Yoktur.
8 Vize sınavı yapılmaktadır. Sınav. Yoktur. Yoktur.
9 Makine Öğrenmesi Denetimli, denetimsiz ve pekiştirmeli öğrenme ML algoritmalarına genel bakış Veri hazırlama ve özellik seçimi Yoktur. Araştırma ödevi verilmektedir. Yoktur.
10 Derin Öğrenme Yapay sinir ağlarının temeli Katmanlı yapılar: CNN, RNN Uygulamalar: Görüntü işleme, ses tanıma Yoktur. Araştırma ödevi verilmektedir. Yoktur.
11 Yapay Sinir Ağları Perceptron ve çok katmanlı ağlar Aktivasyon fonksiyonları Geri yayılım (backpropagation) algoritması Yoktur. Araştırma ödevi verilmektedir. Yoktur.
12 Yapay Zeka ve Matematik Lineer cebir, olasılık, istatistiksel temeller Vektörler, matris işlemleri, regresyon Karar ağaçları ve optimizasyon Yoktur. Araştırma ödevi verilmektedir. Yoktur.
13 Yapay Zeka Uygulamaları ve Robotik Otonom araçlar, dronelar, endüstri 4.0 Robotik sistemlerde yapay zeka Etik ve güvenlik sorunları Yoktur. Araştırma ödevi verilmektedir. Yoktur.
14 Final sınavı yapılmaktadır. Sınav. Yoktur. Yoktur.

Ders Kitabı Malzemesi Önerilen Kaynaklar

M. P. Deisenroth , A. A. Faisal, C. S. Ong, (2020), Mathematics for Machine Learning , Cambridge University Press. Luger, G. F. (2024). Artificial intelligence: Principles and practice. Springer International Publishing AG.

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Staj Durumu

Yoktur.

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 1 1
Final Sınavı 15 4 60
Ara Sınav İçin Bireysel Çalışma 7 4 28
Final Sınavı içiin Bireysel Çalışma 10 1 10
Ev Ödevi 1 1 1
Toplam İş Yükü (saat) 100

Program ve Öğrenme Çıktıları İlişkisi

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7 PÇ 8 PÇ 9 PÇ 10 PÇ 11 PÇ 12
ÖÇ 1 1 1 1 1 1 1 1 1 1 4 5 1
ÖÇ 2 1 1 1 1 1 1 1 1 1 1 3 1
ÖÇ 3 1 1 1 1 1 1 1 1 1 1 4 1
ÖÇ 4 1 1 1 1 1 1 1 1 1 1 4 1
ÖÇ 5 1 3 1 2 2 1 1 2 3 4 5 1
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek