YAPAY ZEKA UYGULAMALARI DERS TANITIM VE UYGULAMA BİLGİLERİ

Kodu	Dersin Adı	Yarıyıl	Süresi(T+U)	Kredisi	AKTS Kredisi
OYG201	YAPAY ZEKA UYGULAMALARI	3	4	2	8

DERS BİLGİLERİ
Dersin Öğretim Dili :	Türkçe
Dersin Düzeyi	ÖNLİSANS, TYY: + 5.Düzey, EQF-LLL: 5.Düzey, QF-EHEA: Kısa Düzey
Dersin Türü	Zorunlu
Dersin Veriliş Şekli	-
Dersin Koordinatörü	Öğr.Gör. ÇİSEM YAŞAR
Dersi Veren Öğretim Üyesi/Öğretim Görevlisi
Ders Ön Koşulu	Yok

AMAÇ VE İÇERİK
Amaç:	Bu dersin amacı, ön-yüz yazılım geliştirme alanında çalışacak öğrencilere yapay zeka kavramlarını ve modern araçlarını tanıtmak; makine öğrenmesi, derin öğrenme ve büyük dil modelleri gibi güncel YZ teknolojilerini web tabanlı uygulamalara entegre etme becerisi kazandırmaktır. Öğrenciler; Python ile temel YZ kütüphanelerini kullanmayı, YZ destekli API'ları front-end projelerine bağlamayı ve etik/güvenlik boyutlarını değerlendirmeyi öğreneceklerdir.
İçerik:	Yapay zekanın tarihsel gelişimi ve temel kavramları; Python ile veri işleme (NumPy, Pandas, Matplotlib); makine öğrenmesi algoritmaları (regresyon, sınıflandırma, kümeleme); derin öğrenme temelleri ve sinir ağları; doğal dil işleme (NLP) ve büyük dil modelleri (LLM/GPT API); bilgisayarla görme ve görüntü işleme; YZ tabanlı front-end API entegrasyonu (Hugging Face, OpenAI, TensorFlow.js); konuşma tanıma ve üretken yapay zeka araçları; YZ uygulamalarında etik, veri gizliliği ve güvenlik ilkeleri; uçtan uca bir YZ destekli web uygulaması geliştirme projesi.

DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.)
Yapay zekanın temel kavramlarını, tarihsel gelişimini ve uygulama alanlarını açıklar.
Python programlama diliyle temel veri manipülasyonu ve görselleştirme işlemleri gerçekleştirir.
Hazır YZ API'larını (OpenAI, Hugging Face, vb.) front-end projesine bağlar ve işlevsel bir uygulama üretir.

HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI
Hafta	Ön Hazırlık	Konular	Yöntem
1	-	Yapay Zekaya Giriş: YZ'nin tarihsel gelişimi, temel tanımlar, YZ türleri (dar YZ, genel YZ, güçlü YZ), günümüzdeki uygulama alanları ve ön-yüz geliştirmedeki yeri.	Anlatım ve Uygulama
2	-	Python ile YZ'ye Hazırlık: Python temelleri (değişkenler, kontrol yapıları, fonksiyonlar)	Anlatım ve Uygulama
3	-	NumPy ve Pandas kütüphanelerine giriş, temel veri manipülasyonu	Anlatım ve Uygulama
4	-	Matplotlib ile görselleştirme.	Anlatım ve Uygulama
5	-	Makine Öğrenmesine Giriş: Denetimli / denetimsiz / pekiştirmeli öğrenme kavramları.	Anlatım ve Uygulama
6	-	Doğrusal regresyon ve lojistik regresyon.	Anlatım ve Uygulama
7	-	Scikit-learn ile ilk model eğitimi ve değerlendirmesi (train-test split, doğruluk metrikleri).	Anlatım ve Uygulama
8	-	Sınıflandırma Algoritmaları: K-En Yakın Komşu (KNN), Karar Ağaçları, Naive Bayes; veri ön işleme (normalizasyon, eksik veri), karmaşıklık matrisi ve F1-skor yorumlama.	Anlatım ve Uygulama
9	-	Sınıflandırma Algoritmaları: K-En Yakın Komşu (KNN), Karar Ağaçları, Naive Bayes; veri ön işleme (normalizasyon, eksik veri), karmaşıklık matrisi ve F1-skor yorumlama.	Anlatım ve Uygulama
10	-	ARA SINAV	-
11	-	Derin Öğrenmeye Giriş: Yapay sinir ağı mimarisi (nöron, katmanlar, aktivasyon fonksiyonları)	Anlatım ve Uygulama
12	-	ileri ve geri yayılım, Keras/TensorFlow ile ilk derin öğrenme modeli kurulumu.	Anlatım ve Uygulama
13	-	Evrişimli Sinir Ağları (CNN) – Görüntü İşleme: CNN mimarisi (Conv, Pooling, Dense katmanlar).	Anlatım ve Uygulama
14	-	Görüntü sınıflandırma, Transfer Learning (MobileNet, ResNet); front-end için model dışa aktarımı.	Anlatım ve Uygulama
15	-	Proje Sunumu	Anlatım
16	-	FİNAL	-
17	-	FİNAL	-

KAYNAKLAR
Aurélien Géron, Makine Öğrenmesi: Scikit-Learn, Keras ve TensorFlow ile, O'Reilly / Çeviri: 2. Baskı (Türkçe: Nobel Akademik Yayıncılık, 2022)
Atilla Yardımcı, Yapay Zeka: Temel Bilgiler, Kavramlar, Yöntemler, Seçkin Yayıncılık, 2023

ÖLÇME VE DEĞERLENDİRME
Yarıyıl İçi Yapılan Çalışmaların Ölçme ve Değerlendirmesi	Etkinlik Sayısı	Katkı Yüzdesi	Açıklama	Sınav Yapılma Şekli

(0) Etkisiz	(1) En Düşük	(2) Düşük	(3) Orta	(4) İyi	(5) Çok İyi
0	1	2	3	4	5

DERSİN İŞ YÜKÜ VE AKTS KREDİSİ
Öğrenme-Öğretme Etkinlikleri İş Yükü
Öğrenme-Öğretme Etkinlikleri	Etkinlik(hafta sayısı)	Süresi(saat sayısı)	Toplam İş Yükü
Ders	0	0	0
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme	0	0	0
Arazi Çalışması	0	0	0
Grup Çalışması / Ödevi	0	0	0
Laboratuvar	0	0	0
Okuma	0	0	0
Ödev	0	0	0
Proje Hazırlama	0	0	0
Seminer	0	0	0
Staj	0	0	0
Teknik Gezi	0	0	0
Web Tab. Öğrenme	0	0	0
Uygulama	0	0	0
Yerinde Uygulama	0	0	0
Mesleki Faaliyet	0	0	0
Sosyal Faaliyet	0	0	0
Tez Hazırlama	0	0	0
Alan Çalışması	0	0	0
Rapor Yazma	0	0	0
Final Sınavı	0	0	0
Final Sınavı Hazırlığı	0	0	0
Ara Sınav	0	0	0
Ara Sınav Hazırlığı	0	0	0
Kısa Sınav	0	0	0
Kısa Sınav Hazırlığı	0	0	0
TOPLAM	0	0	0