| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Yapay Zekaya Giriş | BST 210 | 4 | 2 + 0 | 2 | 4 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ÖZKAN CANAY |
| Dersi Verenler | Dr.Öğr.Üyesi ÖZKAN CANAY, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bu dersin amacı, öğrencilerin yapay zekânın temel kavramlarını, yaklaşım türlerini ve başlıca uygulama alanlarını kavramsal düzeyde öğrenmelerini; akıllı ajanlar, arama, bilgi temsili, belirsizlik altında karar verme, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ gibi temel başlıkları anlayarak bu teknolojileri teknik, yönetsel, etik ve toplumsal boyutlarıyla değerlendirebilmelerini sağlamaktır. |
| Dersin İçeriği | Bu derste yapay zekânın tanımı, tarihsel gelişimi, kapsamı ve sınırları; akıllı ajanlar ve problem çözme yaklaşımları; kör ve sezgisel arama yöntemleri; bilgi temsili ve uzman sistemler; belirsizlik, olasılık ve karar verme; veri stratejisi ve ön işleme; makine öğrenmesine giriş, regresyon ve sınıflandırma; model değerlendirme ölçütleri; gözetimsiz öğrenme ve kümeleme; yapay sinir ağları ve derin öğrenme; üretken yapay zekâ, büyük dil modelleri ve prompt kavramı; etik, hukuk ve yapay zekâ yönetişimi konuları ele alınmaktadır. Ders boyunca konular, güncel örnekler ve uygulama senaryoları üzerinden bütüncül biçimde incelenmektedir. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Yapay zekânın temel kavramlarını, alt alanlarını ve başlıca yaklaşım türlerini açıklayabilir. | Anlatım, Soru-Cevap, | Kısa Cevaplı Testler, |
| 2 | Temel yapay zekâ ve makine öğrenmesi yöntemlerini karşılaştırabilir; sınıflandırma, kümeleme ve model değerlendirme mantığını yorumlayabilir. | Tartışma, Bireysel Çalışma, | Çoktan Seçmeli Testler, |
| 3 | Güncel yapay zekâ uygulamalarını fırsatlar, sınırlılıklar, riskler ve etik boyutlar açısından analiz edebilir. | Problem Çözme, | Ödev / Evde-Çöz Sınavlar, Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Zekanın Doğası ve Sınırları | |
| 2 | Akıllı Ajanlar ve Arama | |
| 3 | Bilgi Temsili ve Uzman Sistemler | |
| 4 | Belirsizlik ve Olasılık | |
| 5 | Veri Stratejisi ve Ön İşleme | |
| 6 | Makine Öğrenmesine Giriş ve Regresyon | |
| 7 | Kategorik Karar Verme ve Sınıflandırma | |
| 8 | Ara Sınav | |
| 9 | Model Değerlendirme ve Performans Analizi | |
| 10 | Gözetimsiz Öğrenme ve Kümeleme | |
| 11 | Yapay Sinir Ağlarına (YSA) Giriş | |
| 12 | Derin Öğrenme (Deep Learning) | |
| 13 | Üretken YZ (GenAI) ve LLM’ler | |
| 14 | Etik, Hukuk ve Yönetişim |
| Kaynaklar | |
|---|---|
| Ders Notu | Yapay Zekâya Giriş Ders Notları, Dr. Özkan Canay, 2026. |
| Ders Kaynakları | Russell, S. J., & Norvig, P. Artificial Intelligence: A Modern Approach (4th ed.). Pearson, 2021. Alpaydın, E. Introduction to Machine Learning (4th ed.). The MIT Press, 2020. Aggarwal, C. C. Neural Networks and Deep Learning: A Textbook (2nd ed.). Springer, 2023. Çölkesen, T. R. (Ed.). Yapay Zeka Mühendisliği Cilt 1: Temel Teknik Konular. Papatya Yayıncılık, 2024. Elmas, Ç. Yapay Zeka - 1: Makine Öğrenmesi, Derin Öğrenme ve Üretken Yapay Zeka (6. baskı). Seçkin Yayıncılık, 2025.
|
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Bilgisayar bilimi, yazılım mühendisliği, ağ teknolojileri, veritabanı yönetimi gibi bilişim konularında güçlü bir temel ve matematik alt yapısı oluşturma. | X | |||||
| 2 | Bilgisayar programlama, sistem analizi, ağ yönetimi gibi teknik becerilerin geliştirilmesi. | X | |||||
| 3 | Analitik düşünme ve problem çözme yeteneklerinin geliştirilmesi. | X | |||||
| 4 | Teknik konuları açık ve anlaşılır bir şekilde ifade etme ve ekip içinde etkili iletişim kurabilme yeteneğinin geliştirilmesi | X | |||||
| 5 | Teknoloji trendlerini takip ederek ve yeni teknolojilere hızlı bir şekilde adapte olarak sürekli olarak kendini geliştirme yeteneği kazandırma | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 |
|---|---|---|---|---|---|---|
| 1 | Yapay zekânın temel kavramlarını, alt alanlarını ve başlıca yaklaşım türlerini açıklayabilir. | 3 | 1 | 2 | 1 | 2 |
| 2 | Temel yapay zekâ ve makine öğrenmesi yöntemlerini karşılaştırabilir; sınıflandırma, kümeleme ve model değerlendirme mantığını yorumlayabilir. | 2 | 3 | 5 | 1 | 2 |
| 3 | Güncel yapay zekâ uygulamalarını fırsatlar, sınırlılıklar, riskler ve etik boyutlar açısından analiz edebilir. | 1 | 0 | 3 | 2 | 4 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 60 |
| 1. Ödev | 40 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ara Sınav | 1 | 10 | 10 |
| Final | 1 | 12 | 12 |
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 1 | 14 |
| Ödev | 1 | 10 | 10 |
| Toplam İş Yükü | 88 | ||
| Toplam İş Yükü / 25 (Saat) | 3,52 | ||
| dersAKTSKredisi | 4 | ||