| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Tezli Yüksek Lisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 10 |
|---|
| Öğretim Eleman(lar)ı |
|
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Yapay Zeka ve Makine Öğrenmesi kavramlarını işletme bağlamında açıklayabilir.
- YZ uygulamalarını pazarlama, finans, operasyon ve insan kaynakları gibi işlevsel alanlarda analiz edebilir.
- Bir işletme için YZ projesi tasarlayarak stratejik planlama ve yatırım getirisi (ROI ? Return on Investment) değerlendirmesi yapabilir.
- YZ projelerinde veri gereksinimlerini, etik riskleri ve yönetişim boyutlarını analiz edebilir.
- Uygun YZ platformu ve çözümünü seçerek işletmelerde YZ dönüşüm sürecini yönetmeye yönelik öneriler geliştirebilir.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | |
|---|
| Ders Tanımı | Bu ders, Yapay Zeka (YZ) ve Makine Öğrenmesi (ML) teknolojilerinin, iş süreçlerini dönüştürmek, rekabet avantajı sağlamak ve karar alma mekanizmalarını geliştirmek amacıyla işletmelerde nasıl kullanıldığını incelemektedir. Öğrenciler, YZ'nin işlevsel alanlardaki (pazarlama, finans, operasyon, insan kaynakları gibi) mevcut ve potansiyel uygulamalarını analiz edeceklerdir. Ders içeriği, YZ projelerinin stratejik planlaması, yatırım getirisi (ROI) analizi, YZ etiği, veri gereksinimleri ve YZ platformlarının seçimi gibi yönetimsel konuları kapsar. Amaç, öğrencilerin bir YBS (MIS) uzmanı olarak, şirketlerin YZ çözümlerini başarılı bir şekilde benimsemesine ve yönetmesine liderlik edebilecek vizyon ve beceriyi kazanmalarını sağlamaktır. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Yapay Zeka ve Makine Öğrenmesine Giriş |
|
2. Hafta |
İşletmelerde Dijital Dönüşüm ve YZ |
|
3. Hafta |
YZ?nin İşlevsel Alanlardaki Uygulamaları |
|
4. Hafta |
Pazarlamada Yapay Zeka |
|
5. Hafta |
Finansta Yapay Zeka ve Tahminleme |
|
6. Hafta |
Operasyon ve Tedarik Zincirinde YZ |
|
7. Hafta |
İnsan Kaynaklarında YZ Uygulamaları |
|
8. Hafta |
Ara Sınav |
|
9. Hafta |
YZ Projelerinde Veri Yönetimi |
|
10. Hafta |
YZ Platformları ve Teknoloji Seçimi |
|
11. Hafta |
YZ Projelerinde ROI Analizi |
|
12. Hafta |
YZ Etiği ve Regülasyonlar |
|
13. Hafta |
YZ Stratejisi ve Kurumsal Uyum |
|
14. Hafta |
Genel Tekrar |
|
15. Hafta |
|
|
| Kaynaklar | Heath, D. R. (2019). Prediction machines: the simple economics of artificial intelligence: by Ajay Agrawal, Joshua Gans and Avi Goldfarb, Published in 2018 by Harvard Business Review Press, 272 pp., 30.00(hardcover),KindleEdition: 16.19, ISBN: 978-1-633695672. |
|---|
| Öğretim Yöntemleri |
- Tartışma
- Anlatım
- Soru-Cevap
- Sorun/Problem Çözme
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
40 |
| Toplam(%) |
|
40 |
| Yıl İçinin Başarıya Oranı(%) |
|
40 |
| Finalin Başarıya Oranı(%) |
|
60 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
1 |
1 |
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
10 |
140 |
| Final Sınavına Hazırlık |
14 |
3 |
42 |
| Ders Saati |
13 |
3 |
39 |
| Ara Sınava Hazırlık |
8 |
3 |
24 |
| Laboratuvar |
|
|
|
| Final Sınavı |
1 |
1 |
1 |
| Ödevler |
1 |
40 |
40 |
| Toplam İş Yükü | 287 |
| Toplam İş Yükü / 30 | 9.56 |
| Dersin AKTS Kredisi | 10 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
