Bilgi Paketi / Ders Kataloğu
| Ekonomi | |||||
| Lisans | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF: 6. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Eğitim Fakültesi | |||||
| Ders Kodu | EDS 341 | |||||
| Ders Adı İngilizce | Elements of Artificial Intelligence in Education | |||||
| Ders Adı Türkçe | Eğitimde Yapay Zekanın Temelleri | |||||
| Öğretim Dili | EN | |||||
| Ders Türü | Ders,Laboratuvar Çalışması | |||||
| Dersin Düzeyi | Başlangıç | |||||
| Dönem | Bahar | |||||
| Haftalık İletişim Saatleri |
|
|||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 148 saat | |||||
| Ders Kredileri | 5 AKTS | |||||
| Değerlendirme | Standart Harf Notu | |||||
| Ön Koşul | Yok | |||||
| Yan Koşul | Yok | |||||
| Beklenen Ön Bilgi | YOK | |||||
| Kayıt Kısıtlamaları | Lisans Öğrencileri | |||||
| Genel Eğitim Hedefi | YZ''nin ne olduğunu, YZ ile neler yapabileceğimizi (ve yapamayacağımızı) ve bunun hayatımızı nasıl etkilediğini öğrenmek. | |||||
| Ders Açıklaması | Bu ders, yapay zekanın ne olduğundan toplumsal etkilerine kadar bir farkındalık geliştirmek isteyen öğretmen adayları ve yüksek lisans öğrencileri için tasarlanmıştır. Bu ders aracılığıyla öğrenciler, YZ'yi açıklamak için anahtar kavramlar olarak özerklik ve uyarlanabilirliği açıklayacak, bazı ünlü deneylerin sonuçları da dahil olmak üzere YZ ile ilgili temel felsefi sorunları anlayıp ifade edebileceklerdir. Öğrenciler, modern YZ yöntemlerinin gerçek dünyada neden işe yaradığını, makine öğrenimi tekniklerini ve denetimsiz ve denetimli makine öğrenimi senaryoları arasındaki farkı anlamlandıracaklardır. Böylece öğrenciler geleceği tahmin etmenin zorluğunu tartışacak ve YZ hakkında ortaya atılan iddiaları daha iyi değerlendirebileceklerdir. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) YZ kavramını, tanımını ve bazı örneklerini inceleyerek yorumlayabilme; 2) gerçek dünyadaki bir sorunu arama sorunu olarak formüle edebilme; 3) olasılıkları doğal frekanslar açısından ifade edebilme; 4) üç denetimli sınıflandırma yönteminin ilkelerini açıklayabilme: en yakın komşu yöntemi, doğrusal regresyon ve lojistik regresyon; 5) explain what a neural network is and where they are being successfully used; 6) algoritmik önyargı, yapay zeka tarafından üretilen içerik, gizlilik ve iş gibi yapay zekanın başlıca toplumsal etkilerini belirleyerek geleceği tahmin edebilme. |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| 1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | ||||||
| 2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | ||||||
| 3) Mikroekonomik ve makroekonomik teoriyi anlamak | ||||||
| 4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | ||||||
| 5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | ||||||
| 6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | ||||||
| 7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | ||||||
| 8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | ||||||
| 9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | ||||||
| 10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | ||||||
| 11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | N | |
| 2) | Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | N | |
| 3) | Mikroekonomik ve makroekonomik teoriyi anlamak | N | |
| 4) | Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | N | |
| 5) | Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | N | |
| 6) | Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | N | |
| 7) | Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | N | |
| 8) | Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | H | |
| 9) | Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | H | |
| 10) | Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | H | |
| 11) | Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. | H |
| Hazırlayan ve Tarih | BENGİ BİRGİLİ , |
| Ders Koordinatörü | BENGİ BİRGİLİ |
| Dönem | Bahar |
| Dersi Veren(ler) |
Ders İçeriği
| Hafta | Konu |
| 1) | Yapay zeka nedir? |
| 2) | YZ nedir?: YZ felsefesi |
| 3) | YZ Problem Çözme: YZ ile problemleri çözme |
| 4) | AI Problem çözme: Arama ve oyunlar |
| 5) | Gerçek dünyadaki yapay zeka: Olasılık ve ihtimal |
| 6) | Gerçek dünyadaki yapay zeka: Bayes Kuralı |
| 7) | Makine Öğrenimi: Türleri |
| 8) | Makine Öğrenimi: En yakın komşu sınıflandırıcı |
| 9) | Makine Öğrenimi: Regresyon |
| 10) | Sinir Ağları: Sinir ağlarının temelleri |
| 11) | Sinir Ağları: Sinir ağları nasıl oluşturulur? |
| 12) | Sonuçlar: Geleceği tahmin etmek hakkında |
| 13) | Etkileri: YZ'nin toplumsal etkileri |
| 14) | Genel Tartışma |
| 15) | Son Değerlendirme Dönemi: Sunumlar |
| 16) | Son Değerlendirme Dönemi: Sunumlar |
| Gerekli/Tavsiye Edilen Okumalar | Helsinki Üniversitesinden elementsofai.com kitlesel çevrimiçi açık dersinin içeriği gerekli okumaları içermektedir. | |||||||||||||||||||||
| Öğretme Teknikleri | Flipped öğrenme; rehberli ve rehbersiz öğretim; ve tartışma | |||||||||||||||||||||
| Ödev ve Projeler | Bu dersin sonunda, öğrenciler Helsinki Üniversitesi'nden uluslararası bir sertifika alacaktır. Ödev ve dönem sonu projeleri de değerlendirmeye dahildir. | |||||||||||||||||||||
| Laboratuvar Çalışması | Öğrenciler ödevlerini tamamlamak için laboratuvarı kullanacaklar. | |||||||||||||||||||||
| Bilgisayar Kullanımı | Bu ders laboratuvarda bilgisayar kullanımını gerektirmektedir ya da öğrenciler sınıfta ise kendi bilgisayarlarını getirmeleri beklenmektedir. | |||||||||||||||||||||
| Diğer Aktiviteler | YOK | |||||||||||||||||||||
| Değerlendirme Yöntemleri |
|
|||||||||||||||||||||
| Ders Yönetimi |
birgilib@mef.edu.tr 317 Dr. Bengi Birgili Karabulut https://www.mef.edu.tr/tr/akademik-kadro/1400000046 |
|||||||||||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 12 | 1 | 1 | 1 | 36 | ||
| Laboratuvar | 12 | 2 | 2 | 48 | |||
| Sunum / Seminer | 3 | 2 | 2 | 1 | 15 | ||
| Ödevler | 6 | 4 | 2 | 1 | 42 | ||
| Final | 1 | 4 | 2 | 1 | 7 | ||
| Toplam İş Yükü | 148 | ||||||
| Toplam İş Yükü/25 | 5.9 | ||||||
| AKTS | 5 | ||||||