Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
YAPAY ZEKAYA GİRİŞRYZ1222299Bahar Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin YardımcılarıÖğretim Görevlisi Dr. Sinem UYSAL
Dersin AmacıÖğrencilere yapay zekânın temel kavramlarını, yöntemlerini ve uygulama alanlarını tanıtmak; akıllı sistemlerin nasıl çalıştığını kavratmak ve bu alanda temel düzeyde analiz yapabilme becerisi kazandırmaktır. Ders kapsamında öğrencilerin; arama algoritmaları, bilgi temsili, temel makine öğrenmesi yaklaşımları ve veri temelli karar verme süreçlerini anlamaları hedeflenir. Ayrıca yapay zekâ uygulamalarının teknik sınırları, etik boyutları ve gerçek dünya kullanım alanları hakkında bilinç geliştirmeleri amaçlanır.
Dersin İçeriğiBu ders; Yapay Zekaya Giriş ,Akıllı Ajanlar,Problem Çözme Arama Algoritmaları,Makine Öğrenmesi ,Makine Öğrenmesi,Sınıflandırıcılar,Python ile Uygulama,Ara sınav,Nöron Modeli ve Ağ Mimarileri,Derin Öğrenme Temelleri,Doğal Dil İşleme (NLP),Üretken Yapay Zeka,Yapay Zeka Uygulamaları,Yapay Zeka Etiği ve Güvenlik,Genel Tekrar,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Yapay zekânın tarihsel gelişimini, temel kavramlarını ve güncel uygulama alanlarını açıklar. 1, Anlatım Yöntemi1, Yazılı Sınav
2. Temel arama algoritmalarını (BFS, DFS, A*) kullanarak basit problemleri çözer.1, Anlatım Yöntemi1, Yazılı Sınav
3. Yapay sinir ağlarının temel yapısını (nöron, katmanlar, aktivasyon fonksiyonları) ve çalışma prensibini tanımlar.1, Anlatım Yöntemi1, Yazılı Sınav
4. Makine öğrenmesi yaklaşımlarını (denetimli, denetimsiz, pekiştirmeli öğrenme) sınıflandırır ve uygun uygulama alanlarıyla ilişkilendirir.1, Anlatım Yöntemi1, Yazılı Sınav
5. Python programlama dili ve temel kütüphaneleri kullanarak basit bir yapay zekâ modelini gerçekleştirir ve test eder.1, Anlatım Yöntemi1, Yazılı Sınav
6. Yapay zekâ teknolojilerinin etik, toplumsal ve veri gizliliği boyutlarını mesleki çerçevede değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Yapay Zekaya Giriş
2Akıllı Ajanlar
3Problem Çözme Arama Algoritmaları
4Makine Öğrenmesi
5Makine Öğrenmesi
6Sınıflandırıcılar
7Python ile Uygulama
8Ara sınav
9Nöron Modeli ve Ağ Mimarileri
10Derin Öğrenme Temelleri
11Doğal Dil İşleme (NLP)
12Üretken Yapay Zeka
13Yapay Zeka Uygulamaları
14Yapay Zeka Etiği ve Güvenlik
15Genel Tekrar
16Genel Sınav
Kaynak
1. Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. 2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. 3. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. 4. Hagan, M. T., Demuth, H. B., Beale, M., & De Jesús, O. (2014). Neural Network Design (2nd ed.). Martin Hagan Publishing. 5. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır.
X
2
Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır.
3
Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar.
X
4
Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular.
X
5
Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür.
X
6
Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar.
X
7
Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir.
8
Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir.
X
9
Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir.
X
10
Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar.
11
Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder.
X
12
Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler.
X
13
Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır.
14
Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır.
X
15
Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat)0
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30)0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
YAPAY ZEKAYA GİRİŞRYZ1222299Bahar Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin YardımcılarıÖğretim Görevlisi Dr. Sinem UYSAL
Dersin AmacıÖğrencilere yapay zekânın temel kavramlarını, yöntemlerini ve uygulama alanlarını tanıtmak; akıllı sistemlerin nasıl çalıştığını kavratmak ve bu alanda temel düzeyde analiz yapabilme becerisi kazandırmaktır. Ders kapsamında öğrencilerin; arama algoritmaları, bilgi temsili, temel makine öğrenmesi yaklaşımları ve veri temelli karar verme süreçlerini anlamaları hedeflenir. Ayrıca yapay zekâ uygulamalarının teknik sınırları, etik boyutları ve gerçek dünya kullanım alanları hakkında bilinç geliştirmeleri amaçlanır.
Dersin İçeriğiBu ders; Yapay Zekaya Giriş ,Akıllı Ajanlar,Problem Çözme Arama Algoritmaları,Makine Öğrenmesi ,Makine Öğrenmesi,Sınıflandırıcılar,Python ile Uygulama,Ara sınav,Nöron Modeli ve Ağ Mimarileri,Derin Öğrenme Temelleri,Doğal Dil İşleme (NLP),Üretken Yapay Zeka,Yapay Zeka Uygulamaları,Yapay Zeka Etiği ve Güvenlik,Genel Tekrar,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Yapay zekânın tarihsel gelişimini, temel kavramlarını ve güncel uygulama alanlarını açıklar. 1, Anlatım Yöntemi1, Yazılı Sınav
2. Temel arama algoritmalarını (BFS, DFS, A*) kullanarak basit problemleri çözer.1, Anlatım Yöntemi1, Yazılı Sınav
3. Yapay sinir ağlarının temel yapısını (nöron, katmanlar, aktivasyon fonksiyonları) ve çalışma prensibini tanımlar.1, Anlatım Yöntemi1, Yazılı Sınav
4. Makine öğrenmesi yaklaşımlarını (denetimli, denetimsiz, pekiştirmeli öğrenme) sınıflandırır ve uygun uygulama alanlarıyla ilişkilendirir.1, Anlatım Yöntemi1, Yazılı Sınav
5. Python programlama dili ve temel kütüphaneleri kullanarak basit bir yapay zekâ modelini gerçekleştirir ve test eder.1, Anlatım Yöntemi1, Yazılı Sınav
6. Yapay zekâ teknolojilerinin etik, toplumsal ve veri gizliliği boyutlarını mesleki çerçevede değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Yapay Zekaya Giriş
2Akıllı Ajanlar
3Problem Çözme Arama Algoritmaları
4Makine Öğrenmesi
5Makine Öğrenmesi
6Sınıflandırıcılar
7Python ile Uygulama
8Ara sınav
9Nöron Modeli ve Ağ Mimarileri
10Derin Öğrenme Temelleri
11Doğal Dil İşleme (NLP)
12Üretken Yapay Zeka
13Yapay Zeka Uygulamaları
14Yapay Zeka Etiği ve Güvenlik
15Genel Tekrar
16Genel Sınav
Kaynak
1. Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. 2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. 3. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. 4. Hagan, M. T., Demuth, H. B., Beale, M., & De Jesús, O. (2014). Neural Network Design (2nd ed.). Martin Hagan Publishing. 5. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır.
X
2
Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır.
3
Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar.
X
4
Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular.
X
5
Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür.
X
6
Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar.
X
7
Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir.
8
Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir.
X
9
Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir.
X
10
Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar.
11
Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder.
X
12
Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler.
X
13
Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır.
14
Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır.
X
15
Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu