VBL5039 - Yapay Zekânın Matematiksel Temelleri

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Yapay Zekânın Matematiksel Temelleri	VBL5039	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz Yüze)
Amaç	İnsan beyninin işlevlerini yerine getiren bilgisayarların ve makinaların tasarımı Yapay Zekanın(YZ) temel amacı olmuştur. Amaç aynı olsa da kullanılan metodlar zaman içerisinde sürekli değişiklik göstermiştir. Başlangıçta öğrenme bir tabu olarak görülmüştür ama şimdi öğrenme şekilleri YZ araştırmalarının merkezi konumundadır. Yine başlangıçta insan beyni idiosynchratic olarak kabul edilmiş ama şimdi insan beyninin fonksiyonlarının anlaşılması ana konu olarak görülmektedir. Önceleri davranışların modellenmesi sadece sembolikti ama şimdi alt-sembolik modeller çalışmaların odak noktasındadır. Bütün bu eğilimlerin sonucunda Yapay zeka araştırmacılarının, bilişim kuramı, olasılık kuramı ve optimizasyon kuramı gibi konularda matematiksel ağırlıklı olarak bilgi gereksinimine ihtiyacı vardır . Bu ders zeki davranışların hesapsal modellemesini betimlemek ve beyindeki yapılarla nasıl ilintili olduğunu göstermek amacıyla giriş niteliğindedir.
Ders İçeriği	Doğal hesaplamaya giriş, Olasılık kavramları ve işaretin karakteristiği, Bilişim kuramı, Öğrenme kuramı , verinin matematiksel yöntemlerle işlenmesi, Dinamik sistemlerin matematiksel modellenmesi/ Öğrenme teknikleri: Eğiticili ve eğiticisiz öğrenme, Hidden Markov Modelleri,Takviyeli öğrenme, Genetik programlama, Oyunlar.
EBS Koordinatörü	Kadriye Nurdanay ÖZTÜRK

Hafta	Konu
1	Doğal hesaplamaya giriş: Beynin yapısı, alt sistemleri, nöronlar, Hesaplama kuramı, Doğal hesaplamanın elemanları.
2	Olasılık kavramları ve işaret karakteristiği: temel olasılık kavramları, Bayes’ kuralı, Olasılık dağılımları
3	Bilişim kuramı
4	Öğrenme Kuramı 1: Temel Kavramlar ve öğrenme kuramına giriş
5	Öğrenme Kuramı 2:Öğrenmede kullanılan matematik metodlar
6	Verinin matematiksel yöntemlerle işlenmesi
7	Dinamik sistemlerin matematiksel modellenmesi
8	Hopfield Ağları
9	Eğiticili öğrenme: Algılayıcılar, Aktivasyon fonksiyonları: Gauss hataları ile maksimum olabilirlik
10	GeriBesleme Algoritması
11	Eğiticisiz öğrenme: Kendini örgütleyen eşlem (SOM)
12	Hidden Markov modelleri
13	Takviyeli öğrenme
14	Genetik algoritmalar:Genetik operatörler, genetik programlama, Oyunlar: Heuristik arama, iki kişiye dayalı oyunlar

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
Öğrenciler ileride karşılaşacakları problemleri modeller	-	-	-	-	-	-	-	-	-	-	-
Öğrenciler çözüm üretebilmeleri için gerekli yaratıcılığı kazanır	-	-	-	-	-	-	-	-	-	-	-
Öğrencilerin algoritma yazma becerileri gelişir.	-	-	-	-	-	-	-	-	-	-	-
Öğrenciler uygulama alanları üzerinde tecrübe kazanır.	-	-	-	-	-	-	-	-	-	-	-
Karmaşık mühendislik problemlerini yapay öğrenme yöntemleri kullanarak çözme becerisi	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451265