Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| YAPAY ZEKAYA GİRİŞ | RYZ1222299 | Bahar Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | Öğretim Görevlisi Dr. Sinem UYSAL |
| Dersin Amacı | Öğrencilere 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Yapay zekânın tarihsel gelişimini, temel kavramlarını ve güncel uygulama alanlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Temel arama algoritmalarını (BFS, DFS, A*) kullanarak basit problemleri çözer. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Yapay sinir ağlarının temel yapısını (nöron, katmanlar, aktivasyon fonksiyonları) ve çalışma prensibini tanımlar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Makine öğrenmesi yaklaşımlarını (denetimli, denetimsiz, pekiştirmeli öğrenme) sınıflandırır ve uygun uygulama alanlarıyla ilişkilendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Python programlama dili ve temel kütüphaneleri kullanarak basit bir yapay zekâ modelini gerçekleştirir ve test eder. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 6. Yapay zekâ teknolojilerinin etik, toplumsal ve veri gizliliği boyutlarını mesleki çerçevede değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Zekaya Giriş | |
| 2 | Akıllı Ajanlar | |
| 3 | Problem Çözme Arama Algoritmaları | |
| 4 | Makine Öğrenmesi | |
| 5 | Makine Öğrenmesi | |
| 6 | Sınıflandırıcılar | |
| 7 | Python ile Uygulama | |
| 8 | Ara sınav | |
| 9 | Nöron Modeli ve Ağ Mimarileri | |
| 10 | Derin Öğrenme Temelleri | |
| 11 | Doğal Dil İşleme (NLP) | |
| 12 | Üretken Yapay Zeka | |
| 13 | Yapay Zeka Uygulamaları | |
| 14 | Yapay Zeka Etiği ve Güvenlik | |
| 15 | Genel Tekrar | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (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
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| YAPAY ZEKAYA GİRİŞ | RYZ1222299 | Bahar Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | Öğretim Görevlisi Dr. Sinem UYSAL |
| Dersin Amacı | Öğrencilere 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Yapay zekânın tarihsel gelişimini, temel kavramlarını ve güncel uygulama alanlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Temel arama algoritmalarını (BFS, DFS, A*) kullanarak basit problemleri çözer. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Yapay sinir ağlarının temel yapısını (nöron, katmanlar, aktivasyon fonksiyonları) ve çalışma prensibini tanımlar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Makine öğrenmesi yaklaşımlarını (denetimli, denetimsiz, pekiştirmeli öğrenme) sınıflandırır ve uygun uygulama alanlarıyla ilişkilendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Python programlama dili ve temel kütüphaneleri kullanarak basit bir yapay zekâ modelini gerçekleştirir ve test eder. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 6. Yapay zekâ teknolojilerinin etik, toplumsal ve veri gizliliği boyutlarını mesleki çerçevede değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Zekaya Giriş | |
| 2 | Akıllı Ajanlar | |
| 3 | Problem Çözme Arama Algoritmaları | |
| 4 | Makine Öğrenmesi | |
| 5 | Makine Öğrenmesi | |
| 6 | Sınıflandırıcılar | |
| 7 | Python ile Uygulama | |
| 8 | Ara sınav | |
| 9 | Nöron Modeli ve Ağ Mimarileri | |
| 10 | Derin Öğrenme Temelleri | |
| 11 | Doğal Dil İşleme (NLP) | |
| 12 | Üretken Yapay Zeka | |
| 13 | Yapay Zeka Uygulamaları | |
| 14 | Yapay Zeka Etiği ve Güvenlik | |
| 15 | Genel Tekrar | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |