Ders Genel Bilgileri

Ders Kodu AKTS T+U+L Kredi Ders Türü MFS24207 3 2+0 2 Seçmeli Ders Linki (Türkçe) : Kopyala Ders Linki (İngilizce) : Kopyala Dersin Dili Türkçe Dersin Düzeyi Lisans Öğretim Türü Örgün Öğretim Dersin Türü Seçmeli Dersin Amacı Öğrenciler, yapay zeka ve mekan tasarımı arasındaki etkileşimi keşfederler. Özellikle, yapay zeka tekniklerinin mekan planlaması, ergonomi, kullanıcı deneyimi ve sürdürülebilirlik gibi alanlarda nasıl kullanılabileceğini öğrenirler. Dersin İçeriği Bu ders, mekan tasarımı ve yapay zeka arasındaki kesişim noktalarını keşfeder. Temel yapay zeka kavramlarını öğrenirken, mekan planlaması, kullanıcı deneyimi ve sürdürülebilirlik gibi konular üzerinde odaklanır. Öğrenciler, yapay zeka tekniklerini mekan tasarımı projelerine entegre ederek pratik beceriler kazanır. Ayrıca, etik ve güvenlik konularını da ele alır, özellikle kişisel mahremiyet ve veri güvenliği üzerine vurgu yapar. Bu ders, öğrencilere gelecekteki kariyerlerinde yapay zeka ve mekan tasarımı arasındaki potansiyeli anlamaları için bir platform sağlar. Dersin Ön Koşulları - Dersin Koordinatörü - Dersi Verenler - Dersin Yardımcıları - Staj Durumu Yok

Dersin Kaynakları

Kaynaklar Temel Kaynaklar:- Alpaydin, E. (2020). Introduction to machine learning (4th ed.). MIT Press.- Goodfellow, I., Bengio, Y., & Courville, A. (2022). Deep learning. MIT Press.- Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.Yardımcı Kaynaklar:- Chollet, F. (2021). Deep learning with Python (2nd ed.). Manning Publications.- Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). OReilly Media.- Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans. Pelican Books.- Mueller, J. P., & Massaron, L. (2021). Artificial intelligence for dummies (2nd ed.). Wiley.Uygulama Odaklı Kaynaklar:- Artasanchez, A., & Joshi, P. (2020). Artificial intelligence with Python: Your complete guide to building intelligent apps. Packt Publishing.- Harrison, M. (2019). Machine learning pocket reference: Working with structured data in Python. OReilly Media.- Ketkar, N. (2021). Deep learning with Python: A hands-on introduction. Apress.- Rashid, T. (2020). Make your own neural network. CreateSpace Independent Publishing.Güncel Konular ve Etik:- Bostrom, N. (2017). Superintelligence: Paths, dangers, strategies. Oxford University Press.- Kaplan, J. (2016). Artificial intelligence: What everyone needs to know. Oxford University Press.- Marcus, G., & Davis, E. (2019). Rebooting AI: Building artificial intelligence we can trust. Pantheon.- ONeil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.Türkçe Kaynaklar:- Adalı, E. (2020). Yapay zeka ve robotik sistemlere giriş. İstanbul Gelişim Üniversitesi Yayınları.- Nabiyev, V. V. (2016). Yapay zeka: İnsan-bilgisayar etkileşimi. Seçkin Yayıncılık.- Pirim, H. (2020). Yapay zeka. Nobel Akademik Yayıncılık.- Şeker, A., Diri, B., & Balık, H. H. (2017). Derin öğrenme yöntemleri ve uygulamaları hakkında bir inceleme. Gaziosmanpaşa Bilimsel Araştırma Dergisi, 6(3), 85-104.Online Kaynaklar ve Platformlar:- Coursera - Deep Learning Specialization by Andrew Ng- edX - CS50s Introduction to Artificial Intelligence with Python- Fast.ai - Practical Deep Learning for Coders- Google AI Education Resources- MIT OpenCourseWare - Artificial Intelligence Notlar - Döküman - Ödev -

Ders Yapısı

Matematik ve Temel Bilimler % 0 Mühendislik Bilimleri % 0 Mühendislik Tasarımı % 0 Sosyal Bilimler % 0 Eğitim Bilimleri % 0 Fen Bilimleri % 0 Sağlık Bilimleri % 0 Alan Bilgisi % 100

Değerlendirme Ölçütleri Yarı Yıl Çalışmaları Sayısı Katkı Ara Sınav 1 % 30 Kısa Sınav 0 % 0 Ödev 1 % 20 Devam 0 % 0 Uygulama 0 % 0 Proje 0 % 0 Yarıyıl Sonu Sınavı 1 % 50 Arazi Çalışması 0 % 0 Atölye Çalışması 0 % 0 Laboratuvar 0 % 0 Sunum/Seminer Hazırlama 0 % 0 Toplam 3 % 100

AKTS Hesaplama İçeriği Etkinlik Sayısı Süresi (Saat) Toplam İş Yükü Ders Süresi 14 2 28 Sınıf Dışı Ç. Süresi 14 2 28 Ödevler 2 7 14 Ara Sınavlar 1 10 10 Yarıyıl Sonu Sınavı 1 10 10 Kısa Sınav 0 0 0   90 | AKTS Kredisi : 3

Ders Konuları

Hafta Konu Öğretim Yöntem ve Teknikleri Döküman 1 Yapay Zekaya Giriş ve Temel Kavramlar Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 2 Yapay Zeka Uygulamaları ve Kullanım Alanları Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 3 Veri Bilimi ve Ön İşleme Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 4 Veri Görselleştirme ve Analiz Araçları Anlatım, Soru-Cevap, Tartışma Örnek Çalışma Föyleri 5 Makine Öğrenmesi Temelleri Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 6 Temel Makine Öğrenmesi Algoritmaları Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 7 Derin Öğrenme Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 8 Ara Sınav . . 9 Yapay Sinir Ağları Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 10 Doğal Dil İşleme Anlatım, Soru-Cevap, Tartışma Örnek Çalışma Föyleri 11 Yapay Zeka Uygulamaları Ve Projelerin İncelenmesi Anlatım, Soru-Cevap, Tartışma Örnek Çalışma Föyleri 12 Örnek Projeler Üzerinde Çalışma Ve Uygulama Anlatım, Soru-Cevap, Tartışma Örnek Çalışma Föyleri 13 Yapay Zeka Etiği Ve Sorunlar Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 14 Veri Gizliliği ve Güvenlik Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 15 Genel Değerlendirme Anlatım, Soru-Cevap, Tartışma Ders Sunumları ve İlgili Kaynaklar 16 Final Sınavı . .

Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:

# Açıklama 1 Yapay zeka ve makine öğrenimi gibi temel kavramları anlar. 2 Veri toplama, temizleme, analiz etme ve görselleştirme gibi veri bilimi becerilerini gelişir. 3 Çeşitli makine öğrenimi algoritmalarını, derin öğrenme yöntemlerini, doğal dil işleme tekniklerini anlar. 4 Grup projeleri yoluyla işbirliği yapmayı ve yapay zeka projelerini planlama, geliştirme ve sunma becerileri gelişir. 5 Yapay zeka teknolojilerinin etik ve sorumluluk konularını anlar ve bu konuları projelerine uygular.

Dersin Program Çıktılarına Katkısı

P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 Ö1 5 2 3 2 2 3 4 3 4 3 Ö2 5 3 2 3 3 5 3 5 4 2 Ö3 3 2 3 4 4 3 5 5 2 5 Ö4 5 3 2 3 4 4 5 4 3 3 Ö5 2 4 3 3 3 3 4 3 2 5

Katkı Düzeyi: 0:Yok     1:Çok Düşük     2:Düşük     3:Orta     4:Yüksek     5:Çok Yüksek