| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Önlisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 3 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Yapay zekanın temel kavramlarını, tarihçesini ve gelişim sürecini açıklar.
- Gözetimli, gözetimsiz ve pekiştirmeli öğrenme yöntemlerini karşılaştırır ve uygun senaryolarda uygular.
- Yapay sinir ağları ve derin öğrenme modellerinin temel yapılarını tanımlar ve bu yapıların çalışma prensiplerini açıklar.
- Doğal dil işleme ve üretken yapay zeka (GANs) gibi ileri tekniklerin temel prensiplerini açıklar ve örneklerle değerlendirir.
- Yapay zekanın farklı mühendislik alanlarındaki (tıp, finans, oyun vb.) uygulamalarını analiz eder.
- Yapay zeka sistemlerinin etik, toplumsal ve hukuki etkilerini değerlendirir.
- Yapay zeka teknolojilerinin gelecekteki yönelimlerini ve gelişen teknolojileri yorumlar.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | |
|---|
| Ders Tanımı | Bu ders, mühendislik öğrencilerine yapay zekanın temel kavramlarını, yöntemlerini ve uygulama alanlarını tanıtmayı amaçlamaktadır. Öğrenciler, makine öğrenmesi, derin öğrenme, doğal dil işleme ve üretken yapay zeka gibi güncel yapay zeka tekniklerinin temel prensiplerini öğrenir. Ders kapsamında gözetimli ve gözetimsiz öğrenme, pekiştirmeli öğrenme, yapay sinir ağları, evrişimli sinir ağları (CNN), büyük veri ile ilişkili hesaplama altyapıları ve transformer tabanlı modeller gibi konular ele alınır. Ayrıca, yapay zekanın mühendislik uygulamalarındaki yeri, etik ve toplumsal etkileri ile regülasyonlar da değerlendirilir. Ders, öğrencilerin mühendislik problemlerine yapay zeka temelli çözümler geliştirme yetkinliğini kazanmalarını hedefler. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Yapay Zeka Nedir? Tarihçesi ve Temel Kavramlar |
|
2. Hafta |
Makine Öğrenmesi Temelleri: Gözetimli ve Gözetimsiz Öğrenme |
|
3. Hafta |
Gözetimli Öğrenme: Regresyon ve Sınıflandırma |
|
4. Hafta |
Gözetimsiz Öğrenme: Kümeleme ve Boyut Azaltma |
|
5. Hafta |
Pekiştirmeli Öğrenme: Temeller ve Uygulamalar |
|
6. Hafta |
Derin Öğrenme ve Yapay Sinir Ağları |
|
7. Hafta |
Evrişimli Sinir Ağları (CNN) ve Bilgisayarla Görme |
|
8. Hafta |
ARASINAV HAFTASI |
|
9. Hafta |
Büyük Veri, Hesaplama Gücü ve AI Sistemleri |
|
10. Hafta |
Üretken Yapay Zeka (GANs) ve Uygulamaları |
|
11. Hafta |
Doğal Dil İşleme (NLP) ve Transformer Modelleri |
|
12. Hafta |
Özel Alanlarda Yapay Zeka (Tıp, Finans, Oyunlar vb.) |
|
13. Hafta |
Yapay Zekada Etik, Toplumsal Etkiler ve Regülasyonlar |
|
14. Hafta |
Yapay Zeka'nın Geleceği ve Gelişen Teknolojiler |
|
15. Hafta |
Genel Tekrar |
|
| Kaynaklar | 50 Soruda Yapay Zeka, Cem Say Bilim ve Gelecek Kitaplığı |
|---|
| Öğretim Yöntemleri |
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
30 |
| Ödev |
2 |
15 |
| Devam |
1 |
15 |
| Toplam(%) |
|
60 |
| Yıl İçinin Başarıya Oranı(%) |
|
60 |
| Finalin Başarıya Oranı(%) |
|
40 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
1.5 |
1.5 |
| Kısa Sınavlara hazırlık |
0 |
0 |
0 |
| Sınıf Dışı Ders Çalışma Süresi |
14 |
2.5 |
35 |
| Final Sınavına Hazırlık |
1 |
10 |
10 |
| Ders Saati |
14 |
2 |
28 |
| Ara Sınava Hazırlık |
1 |
7 |
7 |
| Laboratuvar |
0 |
0 |
0 |
| Final Sınavı |
1 |
1.5 |
1.5 |
| Ödevler |
2 |
3.5 |
7 |
| Toplam İş Yükü | 90 |
| Toplam İş Yükü / 30 | 3 |
| Dersin AKTS Kredisi | 3 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
