| Yüksekokul/Myo/Fakülte/Enstitü |
Mühendislik Fakültesi |
| Ders Kodu |
AI 100 |
| Ders Adı İngilizce |
Introduction to AI Engineering |
| Ders Adı Türkçe |
YZ Mühendisliğine Giriş |
| Öğretim Dili |
EN |
| Ders Türü |
Ders,Laboratuvar Çalışması |
| Dersin Düzeyi |
Seçiniz |
| Dönem |
Güz |
| Haftalık İletişim Saatleri |
| Ders: 1 |
Okuma: |
Laboratuvar : 2 |
Diğer: |
|
| Tahmini Öğrenci İş Yükü |
Dönem boyunca 80 saat |
| Ders Kredileri |
3 AKTS |
| Değerlendirme |
Standart Harf Notu
|
| Ön Koşul |
Yok |
| Yan Koşul |
Yok |
| Beklenen Ön Bilgi |
Yok |
| Kayıt Kısıtlamaları |
Sadece Lisans Öğrencileri |
| Genel Eğitim Hedefi |
Yapay Zekâ Mühendisliğini bir meslek olarak öğrenmek için, MEF’in Yapay Zekâ Mühendisliği programı; Python ile programlama ve bilişim sistemlerinin temellerini kapsar. |
| Ders Açıklaması |
Bu derste; Yapay Zeka Mühendisliği programının temel kavramları şu konu başlıklar altında incelenmektedir: i) Yapay zeka mühendisliğine giriş, ii) Yapay zeka mühendisliğinde iş olanakları, iii) Yapay zeka mühendisliğinin araştırma alanları, iv) MEF Yapay zeka mühendisliği programındaki dersler. Python dilinde programlamaya giriş ve bilgisayar sistemlerine giriş.
|
Ders Öğrenme Çıktıları ve Yeterlilikler
Bu dersi başarıyla tamamlayabilen öğrenciler:
1) Yapay Zekâ Mühendisliği programını ve programın sürekli iyileştirme anlayışını tanır;
2) Bir Yapay Zekâ mühendisinin mesleki ve etik sorumluluklarını açıklar;
3) Yapay Zekâ Mühendisliğinde temel kavramları ve biçimsel tasarım sürecini tanımlar;
4) Bir ekip içinde etkin biçimde çalışır;
5) Yapay Zekâ Mühendisliği alanında güncel (state-of-the-art) bir uygulama hakkında teknik rapor ve sözlü sunum hazırlar;
6) Yapay zekâ mühendisliği problemlerini, çözümlerini ve uygulama alanlarını belirler;
7) Gerektiğinde yeni bilgi edinir ve uygular.
|
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
| 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 |
ŞENİZ DEMİR , February 2026 |
| Ders Koordinatörü |
MEHMET FEVZİ ÜNAL |
| Dönem |
Güz |
| Dersi Veren(ler) |
|
Ders İçeriği
| Hafta |
Konu |
| 1) |
Yapay Zekâ Mühendisliğine Giriş |
| 2) |
MEF’te Yapay Zekâ Mühendisliği |
| 3) |
Yazılım Geliştirme |
| 4) |
Python ile Programlama – değişkenler ve ifadeler |
| 5) |
Python ile Programlama – koşullu ifadeler ve döngüler |
| 6) |
Python ile Programlama – fonksiyonlar |
| 7) |
Python ile Programlama – karakter dizileri, demetler, sözlükler |
| 8) |
Python ile Programlama – dosya yönetimi |
| 9) |
Python ile Programlama – ileri düzey kodlama |
| 10) |
Bilgi İşlem Sistemleri – Soyutlama katmanları |
| 11) |
Bilgi İşlem Sistemleri – Bitler, veri türleri ve işlemler |
| 12) |
YZ çağında Araçlar ve Teknikler – büyük dil modelleri
|
| 13) |
YZ çağında Araçlar ve Teknikler – araştırma alanları |
| 14) |
Öğrenci Sunumları |
| 15) |
Final Sınavı / Proje / Sunum Dönemi |
| 16) |
Final Sınavı / Proje / Sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | • (Recommended) W. Ertel and N. T. Black, Introduction to Artificial Intelligence, Second Edition, Springer, 2017.
• (Supplementary) R. K. Rainer, Introduction to Artificial Intelligence and Machine Learning, First Edition, Wiley, 2025.
• (Supplementary) Y. N. Patt, and S. J. Patel, Introduction to Computing Systems, from bits & gates to C &beyond, Second Edition, McGraw-Hill, 2004.
|
| Öğretme Teknikleri | Flipped Classroom |
| Ödev ve Projeler | Lab Practices, Project, Technical Report |
| Laboratuvar Çalışması | Laboratuvar alıştırmaları için |
| Bilgisayar Kullanımı | Python ile programlama, Proje, Teknik Rapor için |
| Diğer Aktiviteler | |
| Değerlendirme Yöntemleri |
| Değerlendirme Araçları |
Sayı |
Ağırlık |
| Laboratuar |
6 |
% 25 |
| Projeler |
2 |
% 15 |
| Ara Sınavlar |
2 |
% 50 |
| Rapor Teslimi |
2 |
% 10 |
| TOPLAM |
% 100 |
|
| Ders Yönetimi |
demirse@mef.edu.tr
Room 536 (5th floor)
Devam kuralları: Derslere en az %70 devam zorunludur.
Ara sınavı kaçırma: İstisnasız olarak sınavlarda hazır bulunmanız ve seyahat planlarınızı bu tarihlere göre ayarlamanız beklenmektedir. Doktor raporu ile belgelendirilmiş tıbbi acil durumlar elbette istisnadır. Ancak, sınav günü sağlık merkezine başvurduğunuzu belirten bir belge, sınava tıbbi mazeret nedeniyle giremediğinizi kanıtlamak için yeterli değildir. Raporda, sınava girmenizin tıbben mümkün olmadığının açıkça belirtilmesi gerekmektedir. Uygun mazeret belgeleri sunulması hâlinde, kaçırılan her ara sınav için telafi sınavı yapılacaktır. Belirlenen günde sınava girmez ve geçerli bir mazeret sunmazsanız, sınav notunuz sıfır (0) olacaktır. İş görüşmeleri, işveren etkinlikleri, düğünler, tatiller vb. durumlar mazeret olarak kabul edilmez.
Uygunsuz davranış, akademik dürüstlük ihlali ve intihal, Yükseköğretim Kanunu’nun 54. maddesine tabidir. |
Bilgi Paketi / Ders Kataloğu