| Overall Educational Objective |
To gain a deep understanding of artificial intelligence fundamentals, explore various AI technologies and algorithms, and their applications in real-world scenarios. Students will learn to design, implement, and optimize AI solutions to solve complex problems and innovate in their respective fields. |
| Course Description |
The ITC503 Artificial Intelligence course provides an in-depth look into the world of artificial intelligence, covering key concepts, methodologies, and applications of AI technologies. Students will explore machine learning algorithms, neural networks, natural language processing, and robotics, understanding how these technologies can be applied to solve complex problems in business, healthcare, finance, and more. The course aims to equip students with the skills necessary to implement and optimize AI solutions, fostering innovation and advancing their careers in the rapidly evolving AI industry. |
| |
Program Outcomes and Competences |
Level |
Assessed by |
| 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 |
|
| 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 |