| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Yapay Zeka | YBS303 | 5 | 2 + 1 | 5,0 |
| Birim Bölüm | YÖNETİM BİLİŞİM SİSTEMLERİ |
| Derece Seviye | Lisans - Zorunlu - Türkçe |
| Dersin Verilişi | Sınıf içi laboratuvar. |
| EBS Koordinatörü | Doç. Dr. Nur Kuban TORUN (Yıl: 2025 - 2026) |
| Ders Veren | Doç. Dr. Nur Kuban TORUN |
| Amaç |
Bu dersin amacı, öğrencilere yapay zekânın temel kavramlarını, tarihsel ve felsefi arka planını, uygulama alanlarını ve problem çözme stratejilerini öğretmektir. Öğrenciler, Python programlama dili ve popüler kütüphaneler (NumPy, Pandas) aracılığıyla veri işleme ve görselleştirme becerileri kazanacak, makine öğrenmesi ve yapay sinir ağları gibi temel yöntemleri uygulamalı olarak öğreneceklerdir. Ayrıca doğal dil işleme (NLP) ve yapay zekâ etiği konularında bilgi edinerek, teknolojinin toplumsal etkilerini eleştirel bir bakış açısıyla değerlendireceklerdir. |
| Ders İçeriği |
Bu ders, yapay zekânın temel kavramlarını, tarihsel gelişimini ve felsefi arka planını ele alarak başlar. Öğrenciler, Turing Testi ve yapay zekâ uygulamalarının farklı alanlardaki örnekleri üzerinden konuyu kavrar. Ardından problem çözme stratejileri incelenir ve Python programlama dili kullanılarak PyCharm ortamında veri giriş-çıkış işlemleri, paketler, operatörler, listeler ve karakter dizileri üzerinde uygulamalar yapılır. NumPy paketi ile dizi ve matrisler, Pandas paketi ile veri işleme ve grafikler üzerinde çalışılır. Makine öğrenmesine giriş kapsamında veri önişleme örnekleri incelenir ve yapay sinir ağlarının yapısı, girdi katmanı, gizli katman, çıktı katmanı, bağlantı ağırlıkları, eşik değerler ve aktivasyon fonksiyonları detaylı olarak işlenir. Öğrenciler, ileri yayılım ve geri yayılım algoritmalarıyla ağın öğrenme sürecini uygulamalı olarak deneyimler. Dersin ilerleyen bölümlerinde doğal dil işleme (NLP) temelleri, metin sınıflandırma, dil modelleme, duygu analizi, metin oluşturma ve dil çevirisi konuları ele alınır. Son olarak, yapay zekâ etiği, veri gizliliği ve otomasyonun toplumsal etkileri tartışılarak öğrencilerin teknolojiyi eleştirel bir bakış açısıyla değerlendirmeleri sağlanır. |
| Ders Kaynakları |
Artificial Intelligence: A Modern Approach. Stuart Russell, Peter Norvig, Prentice Hall, Second Edition
Yapay Zeka-Prof.Dr Vasif Vagifoğlu Nabiyev ,Seçkin Yayınevi-2012-4.Baskı Uygulamalı Derin Öğrenme- Yalçın Özkan |
| Açıldığı Öğretim Yılı | 2016 - 2017 2017 - 2018 2018 - 2019 2019 - 2020 2020 - 2021 2021 - 2022 2022 - 2023 2023-2024 2024 - 2025 2025 - 2026 |
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Ara Sınav 1 | 30 |
| Ödev 1 | 20 |
| Toplam | 50 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Final | %50 |
| Toplam | %50 |
| Yarıyıl İçinin Başarıya Oranı | %50 |
| Yarıyıl Sonu Çalışmalar | %50 |
| Toplam | %100 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
50
|
|
Uzmanlık / Alan Dersleri
|
50
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması | Laboratuar | 3 | 14 | 42 |
| Önceden planlanmış özel beceriler | Problem Çözme | 3 | 14 | 42 |
| Dinleme ve anlamlandırma | Ders | 1 | 14 | 14 |
| Ara Sınav 1 | Ara Sınav 1 | 10 | 1 | 10 |
| Ödev 1 | Ödev 1 | 10 | 1 | 10 |
| Dönem Sonu Uygulaması | Dönem Sonu Uygulaması | 10 | 1 | 10 |
| Toplam İş Yükü (Saat) | 128 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 5,02 | |||
| AKTS | 5,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Temel Kavramlar, Yapay Zeka Tarihi ve Felsefesi | |
| 2 | Yapay zeka alanındaki ana kavramlar, Turing testi, AI uygulamaları. | Ders Tartışmalı Ders Beyin Fırtınası |
| 3 | Yapay Zeka uygulama alanları, problem çözme stratejileri | Ders Beyin Fırtınası |
| 4 | Python programalama dili Pycharm üzerinden veri giriş çıkış işlemleri, paketler, operatörler. | Tartışmalı Ders Laboratuar |
| 5 | Pycharm üzerinden liste, karakter dizisi, numpy paketi ile dizi ve matrisler. | Laboratuar |
| 6 | Pycharm üzerinden program denetimi, pandas paketi ile veri işleme | Laboratuar |
| 7 | Pycharm üzerinden grafikler, makine öğrenmesine giriş. | Ders Laboratuar |
| 8 | Makine öğrenmesine giriş | Ders Laboratuar |
| 9 | Veri ön işleme | Ders Problem Çözme Laboratuar |
| 10 | Yapay sinir ağları; girdi katmanı, gizli katman, çıktı katmanı, bağlantı ağırlıkları ve eşik değer, toplama fonksiyonu ve girişlerin hesaplanması, etkinleştirme fonksiyonu, eşik değer. Yapay Sinir Ağları, ağın öğrenmesi, ileri yayılım. | Ders Laboratuar |
| 11 | Yapay Sinir Ağları, ağın öğrenmesi, toplam hata, geri yayılım, uygulama. | Ders Laboratuar |
| 12 | NLP temelleri, metin sınıflandırma, dil modellemesi. | Ders Laboratuar |
| 13 | Duygu analizi, metin oluşturma, dil çevirisi. | Ders Laboratuar |
| 14 | Yapay zeka etiği, veri gizliliği, otomasyonun toplumsal etkileri. | Ders Beyin Fırtınası |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Öğrenciler yapay zekâ etiği, veri gizliliği ve otomasyonun toplumsal etkilerini tartışarak teknolojiyi eleştirel bir bakış açısıyla değerlendirebilir. | Laboratuvar Çalışması | Problem Çözme | Önceden planlanmış özel beceriler |
| Öğrenciler yapay zekânın tarihsel gelişimini, felsefi temellerini ve Turing Testi gibi ana kavramları açıklayabilir. | Ödev / Proje | Beyin Fırtınası | Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme, takım çalışması |
| Öğrenciler makine öğrenmesine giriş düzeyinde algoritmaları uygulayabilir, yapay sinir ağlarının yapısını ve öğrenme süreçlerini (ileri yayılım, geri yayılım) analiz edebilir. | Sözlü Sınav Laboratuvar Çalışması | Tartışmalı Ders Beyin Fırtınası | Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme, takım çalışması |
| Öğrenciler metin sınıflandırma, duygu analizi, dil modelleme ve çeviri gibi temel NLP uygulamalarını gerçekleştirebilir. | Ödev / Proje Laboratuvar Çalışması | Sınıf Dışı Çalışma Laboratuar | Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması |
| Öğrenciler Python programlama dili ve PyCharm ortamında veri giriş-çıkış işlemleri, NumPy ve Pandas paketleriyle veri işleme ve görselleştirme yapabilir. | Ödev / Proje Laboratuvar Çalışması | Sınıf Dışı Çalışma Sözlü | Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Araştırma – yaşam boyu öğrenme, durumları işleme, soru geliştirme, yorumlama, sunum |
DERS ÖĞRENME ÇIKTISI |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Öğrenciler yapay zekâ etiği, veri gizliliği ve otomasyonun toplumsal etkilerini tartışarak teknolojiyi eleştirel bir bakış açısıyla değerlendirebilir. | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | ;
| Öğrenciler yapay zekânın tarihsel gelişimini, felsefi temellerini ve Turing Testi gibi ana kavramları açıklayabilir. | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | ;
| Öğrenciler makine öğrenmesine giriş düzeyinde algoritmaları uygulayabilir, yapay sinir ağlarının yapısını ve öğrenme süreçlerini (ileri yayılım, geri yayılım) analiz edebilir. | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | ;
| Öğrenciler metin sınıflandırma, duygu analizi, dil modelleme ve çeviri gibi temel NLP uygulamalarını gerçekleştirebilir. | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | ;
| Öğrenciler Python programlama dili ve PyCharm ortamında veri giriş-çıkış işlemleri, NumPy ve Pandas paketleriyle veri işleme ve görselleştirme yapabilir. | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | ;
| Ortalama Değer | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 |
