Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
HAVACILIKTA YAPAY ZEKA	İkinci Düzey	HEES 333		5	2.00	2.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	NA
Eğitimin Dili	Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Ahmet Kerim AĞIRMAN
Yardımcı Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Ahmet Kerim AĞIRMAN
Dersin Veriliş Şekli	Yüz yüze
Dersin Amacı	Bu dersin amacı, öğrencilerin yapay zekâ ve makine öğrenmesi kavramlarını havacılık alanındaki uygulamalar bağlamında tanımasını; bakım, uçuş emniyeti, operasyon yönetimi, arıza kestirimi, görüntü işleme, otonom sistemler ve karar destek sistemleri gibi alanlarda yapay zekâ yaklaşımlarının nasıl kullanılabileceğini kavramasını sağlamaktır.
Dersin Tanımı	Bu ders; yapay zekânın temel kavramlarını, makine öğrenmesi ve derin öğrenmenin genel çalışma prensiplerini, veri hazırlama süreçlerini, havacılıkta sensör verileri, bakım kayıtları, uçuş verileri ve görüntü verileri üzerinden yapay zekâ uygulamalarını ele alır. Ders kapsamında kestirimci bakım, arıza/anomali tespiti, hava trafik yönetimi, uçuş emniyeti, insansız hava araçları, karar destek sistemleri ve açıklanabilir yapay zekâ konuları havacılık örnekleriyle incelenir.

Dersin İçeriği

1	Yapay zekâya giriş: temel kavramlar, tarihçe, güçlü/zayıf yapay zekâ, havacılıkta yapay zekânın yeri
2	Havacılıkta veri kaynakları: uçuş verileri, bakım kayıtları, sensör verileri, telemetri verileri ve operasyonel veriler
3	Veri ön işleme: eksik veri, aykırı değer, normalizasyon, özellik çıkarımı ve havacılık verilerinde veri kalitesi
4	Makine öğrenmesine giriş: denetimli, denetimsiz ve pekiştirmeli öğrenme yaklaşımları
5	Sınıflandırma ve regresyon yöntemleri: karar ağaçları, destek vektör makineleri, k-en yakın komşu ve temel performans metrikleri
6	Havacılıkta kestirimci bakım: arıza tahmini, kalan faydalı ömür kestirimi ve bakım planlama uygulamaları
7	Ara sınav / uygulama değerlendirmesi
8	Derin öğrenmeye giriş: yapay sinir ağları, temel mimariler ve eğitim süreci
9	Görüntü işleme ve bilgisayarlı görü: pist, uçak, parça, hasar ve yabancı madde tespiti uygulamaları
10	Havacılıkta anomali tespiti: uçuş emniyeti, sensör bozulmaları, telemetri anomalileri ve erken uyarı sistemleri
11	İnsansız hava araçlarında yapay zekâ: otonom seyrüsefer, engelden kaçınma, görev planlama ve durum kestirimi
12	Hava trafik yönetimi ve operasyonel karar destek sistemlerinde yapay zekâ kullanımı
13	Açıklanabilir yapay zekâ, güvenilirlik, emniyet, etik, insan-makine etkileşimi ve havacılıkta sertifikasyon sorunları
14	Genel değerlendirme, havacılıkta yapay zekâ proje örnekleri, öğrenci sunumları ve dönem sonu uygulama çalışması
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Yapay zekâ, makine öğrenmesi ve derin öğrenme kavramlarını temel düzeyde açıklar.
2	Havacılık alanında kullanılan veri türlerini ve bu verilerin yapay zekâ uygulamalarındaki önemini tanımlar.
3	Havacılık verilerinde veri ön işleme, özellik çıkarımı ve veri kalitesi kavramlarını açıklar.
4	Temel makine öğrenmesi yöntemlerini sınıflandırma, kestirim ve anomali tespiti problemleriyle ilişkilendirir.
5	Kestirimci bakım ve arıza tahmini uygulamalarında yapay zekânın kullanımını açıklar.
6	Görüntü işleme ve bilgisayarlı görü tekniklerinin havacılık bakım, emniyet ve operasyon süreçlerindeki kullanım alanlarını örneklendirir.
7	İnsansız hava araçları ve otonom sistemlerde yapay zekâ kullanımını temel düzeyde değerlendirir.
8	Havacılıkta yapay zekâ uygulamalarının emniyet, güvenilirlik, etik ve açıklanabilirlik boyutlarını tartışır.
9	Basit havacılık verileri üzerinde yapay zekâ tabanlı problem çözme yaklaşımı geliştirir.
10	Yapay zekâ tabanlı havacılık uygulamalarının sınırlılıklarını, risklerini ve uygulanabilirliğini eleştirel bakış açısıyla değerlendirir.

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	bilimsel araştırmanın gerekliliğini kavrama konusunda yeterli seviyeye ulaşma
2	bilimsel araştırma metotlarını inceleme konusunda yeterli seviyeye ulaşma
3	bilimsel araştırma methodlarını uygulayabilme konusunda yeterli seviyeye ulaşma
4	sunu hazırlama methodlarını edinme konusunda yeterli seviyeye ulaşma
5	makale hazırlama teknikleri konusunda yeterli seviyeye ulaşma
6	yüksek lisans tezi yazma teknikleri konusunda yeterli seviyeye ulaşma
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	2	28
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	0	0	0
Ödevler	0	0	0
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	3	3
Ara sınavlar	1	1	1
Proje (Yarıyıl ödevi)	1	4	4
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	4	4
Yarıyıl sonu sınavı	1	1	1
Araştırma	0	0	0
Toplam iş yükü			41
AKTS			2.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	40
Kısa sınav	0	0
Ödev	1	15
Yarıyıl içi toplam		55
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		55
Yarıyıl sonu sınavının başarıya katkı oranı		45
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Ders notları
Yardımcı Kaynaklar

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında