Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
YAPAY ZEKÂ	İkinci Düzey	HİT 465		7	4.00	4.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri
Eğitimin Dili	TÜRKÇE
Koordinatör	DOÇ. DR. BİLAL BABAYİĞİT
Dersi Veren Öğretim Eleman(lar)ı
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	YÜZ YÜZE-KONFERANS
Dersin Amacı	Bu ders, yapay zekânın temel prensiplerini, algoritmalarını ve teknolojilerini tanıtmayı amaçlar. Öğrenciler, yapay zekânın teorik temellerini, makine öğrenimi, derin öğrenme ve doğal dil işleme gibi konuları öğrenerek, bu teknolojilerin halkla ilişkiler alanındaki potansiyel uygulamalarını keşfedeceklerdir.
Dersin Tanımı	Yapay zekânın teorik temelleri, makine öğrenimi, derin öğrenme, doğal dil işleme ve bilgisayar görüşü gibi konular ele alınır. Ders, YZ’nin halkla ilişkilerdeki etkilerini ve gelecekteki potansiyelini inceler.

Dersin İçeriği

1	Yapay Zekâya Giriş: Tanım, Tarihçe ve Temel Kavramlar
2	Yapay Zekânın Temel İlkeleri ve Türleri (Zayıf ve Güçlü YZ)
3	Makine Öğrenimi: Temel Kavramlar ve Algoritmalar
4	Denetimli Öğrenme ve Uygulamaları
5	Denetsiz Öğrenme ve Kümeleme Yöntemleri
6	Derin Öğrenme ve Yapay Sinir Ağları
7	Doğal Dil İşleme (NLP): Temel İlkeler ve Uygulamalar
8	Bilgisayar Görüşü ve Görüntü İşleme
9	Yapay Zekâda Etik ve Toplumsal Etkiler
10	YZ’de Veri Analitiği ve Büyük Veri
11	YZ Modelleme ve Simülasyon Teknikleri
12	YZ’de Optimizasyon ve Karar Destek Sistemleri
13	YZ’nin Geleceği ve Yenilikçi Uygulamalar
14	Proje Sunumları ve Tartışmalar
15	Proje Sunumları ve Tartışmalar
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Yapay zekânın temel kavramlarını ve tarihçesini açıklayabilme.
2	Makine öğrenimi algoritmalarını ve türlerini tanımlayabilme.
3	Derin öğrenme ve doğal dil işleme tekniklerini halkla ilişkiler bağlamında değerlendirebilme.
4	Yapay zekâ uygulamalarının etik ve toplumsal etkilerini analiz edebilme.
5	Veri analitiği ve büyük veri kavramlarını yapay zekâ perspektifinden yorumlayabilme.
6	Yapay zekâ tabanlı sistemlerin tasarım ve optimizasyon süreçlerini anlayabilme.
7	Yapay zekânın gelecekteki potansiyel uygulamalarını tartışabilme.
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1
2
3
4
5
6
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	15	2	30
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	0	0	0
Ödevler	1	10	10
Sunum / Seminer hazırlama	1	10	10
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	10	10
Ara sınavlar	1	10	10
Proje (Yarıyıl ödevi)	0	0	0
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	10	10
Yarıyıl sonu sınavı	1	1	1
Araştırma	1	10	10
Toplam iş yükü			91
AKTS			4.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	40
Kısa sınav	0	0
Ödev	0	0
Yarıyıl içi toplam		40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı
Yardımcı Kaynaklar

Ders İle İlgili Dosyalar