Bilgi Paketi / Ders Kataloğu
| Mekatronik ve Robotik Mühendisliği (YL) (Tezsiz) (İngilizce) | |||||
| Yüksek Lisans | Programın Süresi: 1.5 | Kredi Sayısı: 90 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Lisansüstü Eğitim Enstitüsü | |||||
| Ders Kodu | ITC 503 | |||||
| Ders Adı İngilizce | Artificial Intelligence | |||||
| Ders Adı Türkçe | Yapay Zeka | |||||
| Öğretim Dili | EN | |||||
| Ders Türü | Ters-Yüz Öğrenme | |||||
| Dersin Düzeyi | Orta | |||||
| Dönem | Güz | |||||
| Haftalık İletişim Saatleri |
|
|||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 186 saat | |||||
| Ders Kredileri | 7.5 AKTS | |||||
| Değerlendirme | Standart Harf Notu | |||||
| Ön Koşul | Yok | |||||
| Yan Koşul | Yok | |||||
| Beklenen Ön Bilgi | Yok | |||||
| Kayıt Kısıtlamaları | Sadece Yüksek Lisans Öğrencileri | |||||
| Genel Eğitim Hedefi | Yapay zekanın temellerini derinlemesine anlamak için çeşitli yapay zeka teknolojilerini ve algoritmalarını ve bunların gerçek dünya senaryolarındaki uygulamalarını keşfedin. Öğrenciler karmaşık sorunları çözmek ve kendi alanlarında yenilik yapmak için yapay zeka çözümlerini tasarlamayı, uygulamayı ve optimize etmeyi öğrenecekler. | |||||
| Ders Açıklaması | ITC503 Yapay Zeka dersi, yapay zeka dünyasına derinlemesine bir bakış sunar, AI teknolojilerinin temel kavramlarını, metodolojilerini ve uygulamalarını kapsar. Öğrenciler, makine öğrenimi algoritmalarını, sinir ağlarını, doğal dil işlemeyi ve robot teknolojilerini keşfedecek, bu teknolojilerin iş, sağlık, finans ve daha birçok alanda karmaşık problemleri çözmek için nasıl uygulanabileceğini anlayacaklardır. Ders, öğrencilere AI çözümlerini uygulama ve optimize etme becerileri kazandırmayı, yenilikçiliği teşvik etmeyi ve hızla gelişen AI endüstrisinde kariyerlerini ilerletmeyi amaçlamaktadır. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Yapay zeka ve makine öğreniminin ilkelerini anlama ve uygulama 2) Veri analizi, tahmin ve karar verme için makine öğrenimi algoritmalarını ve sinir ağlarını analiz etmw ve uygulama 3) Doğal dil işleme, bilgisayarlı görme ve robot bilimi için yapay zeka uygulamaları geliştirme 4) Yapay zeka teknolojilerinin çeşitli sektörlerdeki etik ve toplumsal etkilerini değerlendirme 5) Ölçeklenebilir ve verimli yapay zeka çözümleri geliştirmek için yapay zeka araçlarından ve platformlarından yararlanma 6) Yapay zeka teknolojilerini kullanarak gerçek dünyadaki sorunları eleştirel bir şekilde analiz etme ve çözümler önerme |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| 1) Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | ||||||
| 2) Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | ||||||
| 3) Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | ||||||
| 4) Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | ||||||
| 5) Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | ||||||
| 6) Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 7) Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | ||||||
| 8) Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
| 9) İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | ||||||
| 10) Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | H | |
| 2) | Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | H | |
| 3) | Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | N | |
| 4) | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | N | |
| 5) | Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | N | |
| 6) | Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | N | |
| 7) | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | H | |
| 8) | Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | S | |
| 9) | İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | N | |
| 10) | Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. | N |
| Hazırlayan ve Tarih | , |
| Ders Koordinatörü | TUNA ÇAKAR |
| Dönem | Güz |
| Dersi Veren(ler) | Dr. Öğr. Üyesi TUNA ÇAKAR |
Ders İçeriği
| Hafta | Konu |
| 1) | ● Yapay Zekaya Giriş ● Yapay zekaya genel bakış, geçmişi, evrimi ve yapay zeka, makine öğrenimi ve derin öğrenme arasındaki fark. |
| 2) | ● Makine Öğreniminin Temelleri ● Denetimli, denetimsiz ve takviyeli öğrenme dahil olmak üzere makine öğreniminin temel kavramlarına giriş. |
| 3) | ● Sinir Ağları ve Derin Öğrenme ● Sinir ağlarının yapısını ve işlevselliğini araştırmak; Derin öğrenme çerçevelerine giriş. |
| 4) | ● Doğal Dil İşleme (NLP) ● Metin işleme, duygu analizi ve dil modelleri de dahil olmak üzere NLP'nin temelleri. |
| 5) | ● Bilgisayarla Görme ● Bilgisayarlı görmeye giriş; görüntü tanıma, nesne algılama ve görüntü oluşturma tekniklerini anlama. |
| 6) | ● Yapay Zekada Robotik ● Robotiğe genel bakış; Robotikte navigasyon, karar verme ve görevlerin yerine getirilmesi için yapay zekanın nasıl uygulandığı. |
| 7) | ● Yapay Zekada Etik Hususlar ● Önyargı, mahremiyet ve gelecekteki toplumsal etkiler de dahil olmak üzere yapay zekanın etik sonuçlarına ilişkin tartışma. |
| 8) | ● Sağlık Hizmetlerinde Yapay Zeka ● Teşhisten kişiselleştirilmiş tıp ve hasta bakımına kadar sağlık hizmetlerinde yapay zeka uygulamalarının araştırılması. |
| 9) | ● İşletme ve Finansta Yapay Zeka ● İş analitiği, finansal modelleme ve algoritmik ticarette yapay zeka uygulamalarının incelenmesi. |
| 10) | ● Takviyeli Öğrenme ● Anahtar algoritmalar ve bunların yapay zekadaki uygulamaları da dahil olmak üzere takviyeli öğrenmeye giriş. |
| 11) | ● Yapay Zeka Araçları ve Kitaplıkları ● Popüler yapay zeka araçları ve kitaplıkları (ör. TensorFlow, PyTorch) ile uygulamalı oturumlar. |
| 12) | ● Proje Çalışması – Teklif ve Tasarım ● Öğrenciler sınıfta öğrendikleri kavramları uygulayarak yapay zeka projeleri üzerinde tasarım çalışmaları önerir ve başlarlar. |
| 13) | ● Proje Çalışması – Uygulama ● Yapay zeka modellerinin uygulanmasına ve sonuçların analiz edilmesine odaklanan proje çalışmalarına devam edilmesi. |
| 14) | ● Yapay Zekanın Gözden Geçirilmesi ve Geleceği ● Ders incelemesi, yapay zekadaki gelecekteki trendler ve bunun çeşitli sektörler üzerindeki potansiyel etkisi üzerine tartışma. |
| 15) | Proje/Sunum Dönemi |
| 16) | Proje/Sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Yok | ||||||||||||
| Öğretme Teknikleri | Flipped sınıf/Uygulama/Laboratuvar/Aktif öğrenme | ||||||||||||
| Ödev ve Projeler | Öğrencilere 5 ödev verilecektir: 2. haftadan 7. haftaya kadar her hafta bir ödev. Her ödev sınıfta öğretilecek yöntem veya modellerin sayısal uygulamalarını içerecektir. Öğrencilere ödev teslimi için bir hafta süre verilecektir. | ||||||||||||
| Laboratuvar Çalışması | Öğrenciler öğrendikleri yöntemleri istatistiksel bir hesaplama programı kullanarak uygulayacaklardır. | ||||||||||||
| Bilgisayar Kullanımı | Öğrenciler öğrendikleri yöntemleri istatistiksel bir hesaplama programı kullanarak uygulayacaklardır. | ||||||||||||
| Diğer Aktiviteler | Yok | ||||||||||||
| Değerlendirme Yöntemleri |
|
||||||||||||
| Ders Yönetimi |
02123953600 |
||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 14 | 2 | 1.5 | 1 | 63 | ||
| Laboratuvar | 14 | 2 | 1.5 | 1 | 63 | ||
| Ödevler | 5 | 12 | 60 | ||||
| Toplam İş Yükü | 186 | ||||||
| Toplam İş Yükü/25 | 7.4 | ||||||
| AKTS | 7.5 | ||||||