GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 1910002072024 | YAPAY ZEKA UYGULAMALARI | Ders | 2 | 3 | 5,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, öğrencilere yapay zekâ alanının temel kavramlarını, problem çözme yaklaşımlarını ve öğrenme algoritmalarını öğretmek; makine öğrenmesi, yapay sinir ağları ve derin öğrenme yöntemlerini kavratmaktır. Öğrencilerin arama algoritmaları, sezgisel yöntemler, genetik algoritmalar ve modern öğrenme tekniklerini kullanarak gerçek dünya problemlerine çözüm geliştirmeleri hedeflenmektedir. Ayrıca yapay zekâ uygulamalarının etik, güvenlik ve toplumsal etkileri değerlendirilerek bilinçli ve sorumlu sistemler geliştirme becerisi kazandırılması amaçlanmaktadır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
| 1 | Akıllı programların tasarım becerisini kazanır. |
| 2 | Matematik, fen bilgilerini akıllı sistemlerde uygulama becerisine sahip olur. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Bu ders kapsamında yapay zekâya giriş, temel kavramlar ve tarihsel gelişim ele alınmaktadır. Arama problemleri, sezgisel yöntemler ve genetik algoritmalar incelenmekte; makine öğrenmesi temelleri ile denetimli ve denetimsiz öğrenme yaklaşımları değerlendirilmektedir. Yapay sinir ağları, çok katmanlı algılayıcılar ve derin öğrenme mimarileri (CNN vb.) uygulamalı olarak ele alınmakta; doğal dil işleme ve görüntü işleme uygulamaları incelenmektedir. Ayrıca yapay zekânın endüstriyel uygulamaları, etik prensipleri, güvenlik riskleri ve toplumsal etkileri tartışılmakta; dönem sonunda öğrenciler bir yapay zekâ projesi geliştirerek sunum yapmaktadır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Yapay Zekâya Giriş, Tanımı ve Tarihçesi | |||
| 2 | Yapay Zekâ Yaklaşımları ve Temel Kavramlar (zeka, zeki davranış, yapay zekâ türleri) | |||
| 3 | Arama Problemleri ve Çözüm Yöntemleri (kör arama, sezgisel arama) | |||
| 4 | Makine Öğrenmesine Giriş – Denetimli ve Denetimsiz Öğrenme | |||
| 5 | Makine Öğrenmesi Algoritmaları (Karar Ağaçları, KNN, SVM) | |||
| 6 | Yapay Sinir Ağlarına Giriş (Perseptron, Adaline, Madaline) | |||
| 7 | Çok Katmanlı Algılayıcılar (MLP) ve Problem Çözümü | |||
| 8 | Ara Sınav | |||
| 9 | Derin Öğrenme ve Sinir Ağı Mimarileri (CNN, Tam Bağlantılı Ağlar) | |||
| 10 | Görüntü İşleme ve Görüntü Sınıflandırma Uygulamaları | |||
| 11 | Doğal Dil İşleme ve Metin Sınıflandırma | |||
| 12 | Genetik Algoritmalar ve Evrimsel Yöntemler | |||
| 13 | Endüstride Yapay Zekâ Uygulamaları, Etik ve Güvenlik (YZ güvenliği, veri gizliliği, toplumsal etkiler) | |||
| 14 | Yapay Zekâ Proje Sunumları ve Değerlendirme |
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
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 4 | 56 |
| Gösterme | 14 | 3 | 42 |
| Proje Hazırlama | 1 | 14 | 14 |
| Proje Tasarımı /Yönetimi | 1 | 14 | 14 |
| Bireysel Çalışma | 14 | 1 | 14 |
| Toplam İş Yükü (saat) | 142 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | |
| ÖÇ 1 | 2 | ||||
| ÖÇ 2 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek