GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9029002412026 | YAPAY ZEKA VE UYGULAMALARI | Ders | 2 | 3 | 2,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Dersin Amacı
Öğrencilere yapay zekâ ve makine öğrenmesinin temel yöntemlerini kullanarak gerçek dünya problemlerine yönelik yapay zekâ uygulamaları geliştirme becerileri kazandırmaktır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Berna YENİGÜN
Öğrenme Çıktıları
| 1 | Yapay zekâ, veri bilimi ve temel kavramları açıklar. |
| 2 | Python kullanarak veri işleme ve makine öğrenmesi uygulamaları geliştirir. |
| 3 | Regresyon ve sınıflandırma algoritmaları ile model oluşturur ve değerlendirir. |
| 4 | CNN ve YOLO ile görüntü işleme uygulamaları geliştirir. |
| 5 | NLP, transfer learning ve transformer tabanlı modelleri temel düzeyde uygular. |
| 6 | AI API’leri kullanarak gerçek dünya problemlerine yönelik yapay zekâ uygulamaları geliştirir. |
| 7 | Yapay zekâ tabanlı bir proje tasarlar, geliştirir ve sunar. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Bu ders, yapay zekâ temelleri, makine öğrenmesi, derin öğrenme, görüntü işleme ve doğal dil işleme konularını kapsar; ayrıca transfer learning ve transformer mimarileri ile modern yapay zekâ yaklaşımlarına giriş yapılarak AI API’leri üzerinden uygulama geliştirme ve sektör odaklı proje çalışmaları gerçekleştirilir.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Yapay zekâya giriş, veri temelleri | |||
| 2 | Python ile veri işleme ve yapay zekâ kütüphanelerinin kullanımı | |||
| 3 | Makine öğrenmesi temelleri, denetimli ve denetimsiz öğrenme kavramları | |||
| 4 | Regresyon algoritmaları ile tahmin modelleri geliştirme | |||
| 5 | Sınıflandırma algoritmaları ile veri analizi ve model oluşturma | |||
| 6 | Model performans değerlendirme metrikleri ve hata analizi | |||
| 7 | Yapay sinir ağları ile derin öğrenmeye giriş ve temel kavramlar | |||
| 8 | CNN mimarisi ile görüntü işleme ve özellik çıkarımı | |||
| 9 | YOLO modeli ile nesne tespiti ve gerçek zamanlı görüntü analizi | |||
| 10 | Doğal dil işleme (NLP) ile metin analizi ve yorumlama teknikleri | |||
| 11 | Transfer Learning ile hazır modellerin yeniden eğitilmesi ve uyarlanması | |||
| 12 | Transformer mimarisi ve modern dil modellerinin kullanım mantığı | |||
| 13 | AI API’leri ile yapay zekâ uygulamalarının geliştirilmesi | |||
| 14 | Gerçek dünya senaryolarına dayalı yapay zekâ projesi geliştirme ve sunumu |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Python, Scikit-learn ve ilgili yapay zekâ kütüphanelerinin resmî dokümantasyonları. Öğretim elemanı tarafından hazırlanan ders notları ve uygulama materyalleri.
Planlanan Öğrenme Aktiviteleri ve Metodları
Anlatım, soru-cevap, uygulamalı çalışmalar, problem çözme, yapay zekâ uygulamaları, laboratuvar çalışmaları ve proje çalışmaları.
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 | 4 | 4 |
| Final Sınavı | 1 | 4 | 4 |
| Derse Katılım | 14 | 3 | 42 |
| Bireysel Çalışma | 2 | 4 | 8 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 8 | 8 |
| Toplam İş Yükü (saat) | 66 | ||
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 | PÇ 13 | |
| ÖÇ 1 | 3 | 3 | 3 | ||||||||||
| ÖÇ 2 | 5 | 4 | 5 | 3 | 4 | ||||||||
| ÖÇ 3 | 5 | 5 | 5 | 3 | 3 | ||||||||
| ÖÇ 4 | 5 | 4 | 5 | 3 | 4 | ||||||||
| ÖÇ 5 | 4 | 4 | 5 | 3 | 4 | ||||||||
| ÖÇ 6 | 5 | 5 | 5 | 4 | 4 | 3 | |||||||
| ÖÇ 7 | 5 | 5 | 5 | 5 | 4 | 3 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek