GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| LEE595 | Yapay Zeka ve Akademide Uygulama Alanları | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, yapay zekâ kavramlarını, yöntemlerini ve algoritmalarını tanıtmak; farklı akademik alanlardaki uygulamalarını tartışmak ve öğrencilerin kendi araştırmalarında yapay zekâ tekniklerini kullanabilmelerini sağlamaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Öğrenciler yapay zekâ kavramlarını, temel yöntemlerini ve algoritmalarını açıklayabilecektir. |
| 2 | Öğrenciler yapay zekâ tekniklerini farklı akademik alanlardaki (sağlık, eğitim, mühendislik, sosyal bilimler) uygulamalarla ilişkilendirebilecektir. |
| 3 | Öğrenciler kendi araştırmalarında yapay zekâ yöntemlerini uygulayabilecek ve etik sorunları değerlendirebilecektir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Temel programlama bilgisi (Python tercih edilir) ve istatistiksel yöntemlere giriş bilgisi
Ders İçin Önerilen Diğer Hususlar
Russell, S., & Norvig, P. Artificial Intelligence: A Modern Approach Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning Akademik makaleler ve güncel konferans bildirileri (NeurIPS, ICML, AAAI vb.) Derse aktif katılım ve uygulamalı projeler teşvik edilmektedir.
Dersin İçeriği
Yapay zekânın temelleri, makine öğrenmesi, derin öğrenme, doğal dil işleme, veri madenciliği, akademik alanlarda (sağlık, eğitim, mühendislik, sosyal bilimler) uygulamalar, etik sorunlar ve geleceğe yönelik tartışmalar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Yapay zekâya giriş: Tanımlar, tarihçe ve gelişimi | ||
| 2 | Yapay zekânın temel bileşenleri ve yöntemleri | ||
| 3 | Makine öğrenmesine giriş ve temel algoritmalar | ||
| 4 | Denetimli öğrenme: Regresyon ve sınıflandırma yöntemleri | ||
| 5 | Denetimsiz öğrenme: Kümeleme ve boyut indirgeme teknikleri | ||
| 6 | Derin öğrenmeye giriş ve yapay sinir ağları | ||
| 7 | Doğal dil işleme (NLP) ve akademik uygulamalar | ||
| 8 | Görüntü işleme ve bilgisayarla görme teknikleri | ||
| 9 | Veri madenciliği ve büyük veri analizinde yapay zekâ | ||
| 10 | Yapay zekâ uygulamaları: Sağlık ve biyoinformatik | ||
| 11 | Yapay zekâ uygulamaları: Eğitim ve öğrenme analitiği | ||
| 12 | Yapay zekâ uygulamaları: Mühendislik ve sosyal bilimler | ||
| 13 | Yapay zekâda etik, mahremiyet ve güvenlik konuları | ||
| 14 | Öğrenci proje çalışmaları: Akademik araştırmalarda yapay zekâ kullanımı | ||
| 15 | Proje sunumları, genel değerlendirme ve dersin kapanışı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
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
yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 72 | 72 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 76 | 76 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek