<?xml version="1.0" encoding="UTF-8"?>
<ders kod="FZT-SD50">
  <ad>YAPAY ZEKAYA GİRİŞ</ad>
  <program>Beslenme ve Diyetetik</program>
  <genelBilgiler>
    <bilgi ad="Türü">Seçmeli</bilgi>
    <bilgi ad="Teori / Uygulama / Lab.">2 / 0 / 0</bilgi>
    <bilgi ad="AKTS">3</bilgi>
    <bilgi ad="Öğretim türü">Birinci Öğretim</bilgi>
    <bilgi ad="Öğretim elemanı">Doç. Dr. Evrim Ersin KANGAL</bilgi>
    <bilgi ad="Staj durumu">Yok</bilgi>
  </genelBilgiler>
  <metin baslik="Dersin amacı">Bu dersin amacı, öğrencilere yapay zeka ve makine öğrenmesi alanındaki temel kavramları tanıtmak, verinin nasıl işlenip anlamlı bilgilere dönüştürüleceğini öğretmek ve öğrencilerin farklı problemler için en uygun makine öğrenmesi modellerini tasarlayıp değerlendirmelerini sağlamaktır.</metin>
  <metin baslik="Dersin içeriği">Yapay Zekaya Giriş dersi, yapay zeka, makine öğrenmesi ve derin öğrenmenin temel çalışma prensiplerini kapsayarak, veri ön işleme, eksik veri tamamlama, ölçeklendirme ve boyut indirgeme gibi temel veri yönetimi tekniklerini öğrencilere kazandırmayı amaçlar. Ders kapsamında regresyon, sınıflandırma, karar ağaçları, SVM, ensemble öğrenme ve sinir ağları gibi çeşitli modelleme algoritmaları ele alınırken, model başarı metrikleri, hiperparametre optimizasyonu, overfitting yönetimi ve güncel yapay zeka yaklaşımları üzerinden performans değerlendirme süreçleri detaylandırılmaktadır.</metin>
  <ogrenmeCiktilari>
    <cikti no="1">Yapay zeka ve makine öğrenmesinin temel çalışma prensiplerini tanımlar.</cikti>
    <cikti no="2">Veri ön işleme ve özellik ölçeklendirme tekniklerini uygular.</cikti>
    <cikti no="3">Problemler için uygun sınıflandırma veya regresyon modellerini seçer ve eğitir.</cikti>
    <cikti no="4">Modellerin başarı kriterlerini analiz eder ve yorumlar.</cikti>
  </ogrenmeCiktilari>
  <haftalikKonular>
    <hafta no="1">Yapay Zeka'ya Giriş, tarihçe ve akıllı ajanlar</hafta>
    <hafta no="2">Bilgisiz arama algoritmaları (BFS, DFS)</hafta>
    <hafta no="3">Bilgili arama (A*, greedy best-first)</hafta>
    <hafta no="4">Rekabetçi arama (Minimax, alfa-beta budama)</hafta>
    <hafta no="5">Bilgi temsili ve uzman sistemler</hafta>
    <hafta no="6">Belirsizlik altında akıl yürütme (Bayes ağları)</hafta>
    <hafta no="7">Makine öğrenmesi temelleri ve değerlendirme metrikleri</hafta>
    <hafta no="8">Denetimli öğrenme (regresyon, sınıflandırma, k-NN, karar ağaçları)</hafta>
    <hafta no="9">SVM, topluluk yöntemleri (Random Forest, Gradient Boosting)</hafta>
    <hafta no="10">Yapay sinir ağları ve derin öğrenmeye giriş (TensorFlow/PyTorch)</hafta>
    <hafta no="11">Denetimsiz öğrenı (kümeleme, PCA, autoencoder)</hafta>
    <hafta no="12">Bilgisayarla görme (CNN, transfer öğrenme)</hafta>
    <hafta no="13">13 Doğal dil işleme (RNN, LSTM, Transformer, BERT)</hafta>
    <hafta no="14">Üretken yapay zeka (GAN, VAE, GPT, RAG)</hafta>
    <hafta no="15">Model dağıtımı ve MLOps (API, bulut, izleme)</hafta>
    <hafta no="16">Al etiği, güvenlik ve final proje sunumları</hafta>
  </haftalikKonular>
  <degerlendirme>
    <grup baslik="Yarıyıl (Yıl) İçi Etkinlikleri">
      <etkinlik sayi="1" yuzde="100">Ara Sınav</etkinlik>
    </grup>
    <grup baslik="Yarıyıl (Yıl) Sonu Etkinlikleri">
      <etkinlik sayi="1" yuzde="100">Yarıyıl Sonu Sınavı</etkinlik>
    </grup>
    <grup baslik="Yarıyıl(yıl) içi etkinliklerin ve yarıyıl(yıl) sonu sınavının başarı notuna katkısı">
      <etkinlik sayi="0" yuzde="40">Yarıyıl (Yıl) İçi Etkinlikleri</etkinlik>
      <etkinlik sayi="0" yuzde="60">Yarıyıl (Yıl) Sonu Etkinlikleri</etkinlik>
    </grup>
  </degerlendirme>
  <isYuku toplamSaat="84" akts="2.8">
    <etkinlik sayi="1" sureSaat="1" toplamSaat="1">Ara Sınav</etkinlik>
    <etkinlik sayi="1" sureSaat="5" toplamSaat="5">Ara Sınav İçin Bireysel Çalışma</etkinlik>
    <etkinlik sayi="14" sureSaat="3" toplamSaat="42">Bireysel Çalışma</etkinlik>
    <etkinlik sayi="14" sureSaat="2" toplamSaat="28">Derse Katılım</etkinlik>
    <etkinlik sayi="1" sureSaat="1" toplamSaat="1">Final Sınavı</etkinlik>
    <etkinlik sayi="1" sureSaat="7" toplamSaat="7">Final Sınavı içiin Bireysel Çalışma</etkinlik>
  </isYuku>
</ders>
