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