Bilgisayar Programcılığı
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Ticaret ve Sanayi Meslek Yüksekokulu
Bilgisayar Programcılığı Programı
Ders Bolognaları
Ticaret ve Sanayi Meslek Yüksekokulu
Bilgisayar Programcılığı Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 03831198 | Yapay Zekaya Giriş | 2 | Güz | 3 | 2+1+0 | 5 | 5 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Önlisans (TYYÇ: 5. Düzey / QF-EHEA: Kısa Düzey / EQF-LLL: 5. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | Proje Tabanlı Öğrenme (PBL), Vaka Çalışmaları ve Gerçek Hayat Örnekleri |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | - |
| Dersi Veren(ler) | Öğr.Gör. Abubakar MAYANJA |
| Yardımcı(lar) | - |
Dersin Öğretim Eleman(lar)ı
| Adı Soyadı | Oda No. | E-Posta Adresi | Dahili | Görüşme Saatleri |
|---|---|---|---|---|
| Öğr.Gör. Abubakar MAYANJA | TSMYO-T213 | [email protected] | 7829 | Çarşamba 11:00 -12:00 |
Dersin İçeriği
Yapay zeka ve makine öğrenmesi konularında en güncel kitap, dergi, makale ve web linkleri ile video ve görseller ders içeriği olarak öğrencilerle paylaşılacaktır
Dersin Amacı
Dersin amacı öğrencilere geleceğin teknolojileri hakkında bilgi vermek, yapay zeka, makine öğrenmesi ve bilişim teknolojileri konusunda çözüm yöntemleri ve strateji geliştirmek için ihtiyaç duyacakları bilgi ve becerileri kazandırmaktır
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | X |
| Uzmanlık / Alan Dersleri | X |
| Destek Dersleri | X |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Yeterlilikleri | Düzey |
|---|---|---|
| P4 | Mesleği ile ilgili bilişim teknolojilerini (yazılım, program, animasyon vb.) etkin kullanır. | 5 |
| P5 | Mesleki problemleri ve konuları bağımsız olarak analitik ve eleştirel bir yaklaşımla değerlendirme ve çözüm önerisini sunabilme becerisine sahiptir. | 4 |
| P11 | Algoritma ve veri yapılarını oluşturur ve matematiksel hesapları yapar. | 4 |
| P12 | Web programlama teknolojilerini açıklar ve uygular. | 1 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Algoritma geliştirmeyi bilir ve algoritmaya uygun veri yapısı oluşturur. | P.4.1 | 3,6,7 |
| Ö2 | Bilgisayar temel elemanlarını bilir. | P.1.1 | 1,6,7 |
| Ö3 | İnternet kullanımını ve araştırma yapmayı bilir. | P.1.2 | 6,7 |
| Ö4 | Veri analizi ile ilgili güncel teknikleri bilir. | P.3.1 | 1,3,6,7 |
| ** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7 | |||
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | YZ'ye Giriş 1.1 YZ Tanımı ve Tarihi YZ nedir? YZ gelişiminin kısa tarihi YZ'deki önemli kilometre taşları. YZ Türleri Dar YZ vs. Genel YZ Tepkisel makineler, sınırlı bellek, zihin teorisi ve kendine bilinci olan YZ |
| 2 | YZ Temelleri. Temel Kavramlar: Makine öğrenimi vs. geleneksel programlama Veri, algoritmalar ve modeller. Makine Öğrenimine Genel Bakış: Denetimli, denetimsiz ve pekiştirmeli öğrenme Yaygın algoritmalar: karar ağaçları, sinir ağları, k-en yakın komşu |
| 3 | YZ Teknikleri. Arama Algoritmaları: Bilinçsiz arama (ör. genişlik öncelikli, derinlik öncelikli) Bilinçli arama (ör. A* algoritması). Doğal Dil İşleme (NLP): NLP'ye giriş ve uygulamaları Metin işleme ve duygu analizi |
| 4 | Sinir Ağları ve Derin Öğrenme. Sinir Ağlarına Giriş: Bir nöronun yapısı ve sinir ağları Aktivasyon fonksiyonları ve eğitim süreci. Derin Öğrenme Konvolüsyonel Sinir Ağları (CNN) Tekrarlayan Sinir Ağları (RNN) |
| 5 | Pratikte YZ. YZ Uygulamaları: YZ'nin sağlık, finans, ulaşım ve eğlence gibi alanlardaki yeri Başarılı YZ uygulamalarının vaka çalışmaları. YZ Araçları ve Çerçeveleri: Popüler YZ çerçevelerine genel bakış (ör. TensorFlow, PyTorch) Basit bir YZ projesinin kurulumu |
| 6 | Etik Konular ve YZ'nin Geleceği. YZ'de Etik: YZ algoritmalarında önyargı Gizlilik endişeleri ve veri güvenliği YZ ve iş kaybı. YZ'nin Geleceği: YZ araştırma ve geliştirmedeki eğilimler YZ'nin topluma potansiyel etkileri |
| 7 | Ara sinav |
| 8 | Uygulamalı Proje. Proje Tanımı: YZ uygulamasını içeren bir projenin tanımlanması (ör. basit bir chatbot, görüntü sınıflandırıcısı oluşturma). Proje Geliştirme Veri toplama, model seçimi ve değerlendirme üzerine rehberlik |
| 9 | Basit kararlar – karmaşık kararlar alma |
| 10 | Hafta: Kursun Gözden Geçirilmesi ve Final Sunumları. Temel Kavramların Gözden Geçirilmesi Kursta ele alınan ana konuların tekrarı. Final Sunumları: Öğrenciler projelerini ve bulgularını sunar |
| 11 | Hafta: Kursun Gözden Geçirilmesi ve Final Sunumları. Temel Kavramların Gözden Geçirilmesi Kursta ele alınan ana konuların tekrarı. Final Sunumları: Öğrenciler projelerini ve bulgularını sunar |
| 12 | Hafta: Kursun Gözden Geçirilmesi ve Final Sunumları. Temel Kavramların Gözden Geçirilmesi Kursta ele alınan ana konuların tekrarı. Final Sunumları: Öğrenciler projelerini ve bulgularını sunar |
| 13 | Takviye öğrenme, doğal dil işleme |
| 14 | Doğal dil işleme için derin öğrenme |
Ders Kitabı veya Malzemesi
| Kaynaklar | Artificial Intelligence: A Modern Approach - Stuart J. Russell, Peter Norvig |
| Artificial Intelligence, 3e – Dr Michael Negnevitsky | |
| Prolog Programming for Artificial Intelligence – Ivan Bratko | |
| Artificial Intelligence: A Guide to Intelligent Systems" by Michael Negnevitsky |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj (Varsa) | - | - |
| Ödev | 1 | - |
| Sunum | - | - |
| Projeler | - | - |
| Seminer | - | - |
| Kısa sınav (Quiz) | - | - |
| Dinleme | - | - |
| Ara Sınavlar | 1 | 30 (%) |
| Yarıyıl Sonu Sınavı | 1 | 70 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 14 | 4 | 56 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 14 | 3 | 42 |
| Ara Sınav | 1 | 15 | 15 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 0 | 0 | 0 |
| Uygulama | 14 | 1 | 14 |
| Laboratuvar | 14 | 1 | 14 |
| Proje | 1 | 15 | 15 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 1 | 15 | 15 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 171 | ||
| Toplam Yük / 30 | 5,70 | ||
| Dersin AKTS Kredisi: | 6 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P1 | P3 | P4 |
|---|---|---|---|---|
| Ö1 | Bilgisayar temel elemanlarını bilir. | 4 | - | - |
| Ö2 | İnternet kullanımını ve araştırma yapmayı bilir. | 4 | - | - |
| Ö3 | Veri analizi ile ilgili güncel teknikleri bilir. | - | 5 | - |
| Ö4 | Algoritma geliştirmeyi bilir ve algoritmaya uygun veri yapısı oluşturur. | - | - | 3 |