| Dersin Amacı: |
Bu ders, kod bilgisi gerektirmeden yapay zekânın (Yapay Zekâ) temel kavramlarını, kullanım alanlarını, etik ve hukuki çerçevesini ve işletme/sağlık/tasarım/üretim gibi MYO programlarına dönük gerçek hayat uygulamalarını tanıtır. Öğrenciler; veriden değere giden yolculuğu, makine öğrenmesi ve derin öğrenmenin sezgisel mantığını, üretken yapay zekâ (LLM’ler, görsel-işitsel üretim), no‑code araçları ve proje geliştirme adımlarını öğrenir. Dönem sonunda bir no‑code proje önerisi + prototip planı hazırlayıp sunarlar. |
| Dersin Hedefi: |
### Öğrenme Çıktıları (ÖÇ)
Dersi başarıyla tamamlayan öğrenciler:
- **ÖÇ1:** Yapay Zekâ’nin temel kavram, alt alan ve terimlerini sade bir dille açıklar.
- **ÖÇ2:** Verinin rolünü, veri kalitesi ve önyargı sorunlarını örneklerle tartışır.
- **ÖÇ3:** Gözetimli/gözetimsiz öğrenme ve temel performans ölçütlerini (doğruluk, kesinlik, geri çağırım, F1) sezgisel olarak yorumlar.
- **ÖÇ4:** Derin öğrenme, üretken Yapay Zekâ ve büyük dil modellerinin (LLM) yetenek ve sınırlılıklarını **kod yazmadan** gösterir.
- **ÖÇ5:** KVKK (6698) ve etik ilkeler bağlamında Yapay Zekâ risklerini (önyargı, mahremiyet, halüsinasyon) somut senaryolarla değerlendirir.
- **ÖÇ6:** En az bir no‑code Yapay Zekâ aracıyla (ör. metin/görsel tabanlı) **prototip fikir** ve akış tasarımı oluşturur.
- **ÖÇ7:** Bir iş süreci için Yapay Zekâ kullanım senaryosu, iş değeri ve paydaş analizini hazırlar.
- **ÖÇ8:** Yapay Zekâ proje döngüsünü (problem → veri → yöntem → değerlendirme → devreye alma → izleme) sözlü ve görsel sunumla ifade eder. |
| Dersin Veriliş Şekli: |
Yüz yüze
|
|
|
|
|
| Bilgi
(Kuramsal ve/veya olgusal bilgi olarak tanımlanmıştır.)
|
1) ÖÇ1: Yapay Zekâ’nin temel kavram, alt alan ve terimlerini sade bir dille açıklar.
|
2) ÖÇ2: Verinin rolünü, veri kalitesi ve önyargı sorunlarını örneklerle tartışır.
|
3) - **ÖÇ3:** Gözetimli/gözetimsiz öğrenme ve temel performans ölçütlerini (doğruluk, kesinlik, geri çağırım, F1) sezgisel olarak yorumlar.
-
|
4) ÖÇ4: Derin öğrenme, üretken Yapay Zekâ ve büyük dil modellerinin (LLM) yetenek ve sınırlılıklarını kod yazmadan gösterir.
|
5) ÖÇ5: KVKK (6698) ve etik ilkeler bağlamında Yapay Zekâ risklerini (önyargı, mahremiyet, halüsinasyon) somut senaryolarla değerlendirir.
|
6) ÖÇ6: En az bir no‑code Yapay Zekâ aracıyla (ör. metin/görsel tabanlı) prototip fikir ve akış tasarımı oluşturur.
|
7) ÖÇ7: Bir iş süreci için Yapay Zekâ kullanım senaryosu, iş değeri ve paydaş analizini hazırlar.
|
8) ÖÇ8: Yapay Zekâ proje döngüsünü (problem → veri → yöntem → değerlendirme → devreye alma → izleme) sözlü ve görsel sunumla ifade eder.
|
| Beceriler
(Bilişsel ve/veya uygulama becerileri olarak tanımlanmıştır.)
|
| Yetkinlikler
(Bağımsız çalışabilme, sorumluluk alabilme, öğrenme, alana özgü, iletişim ve sosyal yetkinlikler olarak tanımlanmıştır.)
|
| Hafta |
Konu |
| Ön Hazırlık |
Pekiştirme |
| 1) |
1. **Hafta 1: Yapay Zekâ nedir? Neler yapabilir?**
- Ana kavramlar: Tarihçe, alt alanlar, güncel örnekler
- Sınıf içi (no-code): "Mit/gerçek" kart oyunu; günlük hayattan Yapay Zekâ izi avı
- Ödev: **Ö1** – Kendi bölümüne uygun 3 Yapay Zekâ kullanım fikri (1 sayfa)
- Materyal: [Hafta 1 — YZ nedir? Tanışma, oryantasyon ve temel kavramlar](https://www.notion.so/Hafta-1-YZ-nedir-Tan-ma-oryantasyon-ve-temel-kavramlar-091d6dd88324499a84630ced2ebabd40?pvs=21) |
| 2) |
2. **Hafta 2: Veri ve Etik**
- Ana kavramlar: Veri türleri, veri kalitesi, önyargı, etik ilkeler, KVKK
- Sınıf içi: Örnek veri seti üzerinden "yanlılık tespiti" tartışması
- Ödev: **Ö2** – Etik vaka kısa analizi (KVKK riskleriyle)
- Materyal: [Hafta 2 — Veri, Veri Kalitesi, Önyargı (Bias) ve KVKK Temelleri](https://www.notion.so/Hafta-2-Veri-Veri-Kalitesi-nyarg-Bias-ve-KVKK-Temelleri-e2691983bedb46d39ae7e0840d311c90?pvs=21) |
| 3) |
3. **Hafta 3: Kural tabanlı sistemler ve arama**
- Ana kavramlar: Uzman sistemler, if‑then kurallar, karar ağaçlarına sezgisel giriş
- Sınıf içi: Basit karar akış diyagramı çizimi
- Materyal: [Hafta 3 — Kural Tabanlı Sistemler ve Arama (Search) Temelleri](https://www.notion.so/Hafta-3-Kural-Tabanl-Sistemler-ve-Arama-Search-Temelleri-be5f3e25e6ae4e84b8048a5633cf3606?pvs=21) |
| 4) |
4. **Hafta 4: Belirsizlik ve Olasılık sezgisi**
- Ana kavramlar: Olasılık, risk, isabet–yanlış alarm sezgisi
- Sınıf içi: Tıbbi test–yanlış pozitif senaryosu tartışması
- Ölçme: **Quiz 1** (10 soru, kavram kontrol) |
| 5) |
5. **Hafta 5: Makine Öğrenmesi 101**
- Ana kavramlar: Gözetimli vs. gözetimsiz, özellik (feature), eğitim/test
- Sınıf içi: "Model kutu analojisi" ile doğru/yanlış sınıflama oyunu
- Ödev: **Ö3** – Bir iş probleminde hedef değişkeni ve özellikleri yaz
- Materyal: [Ana kavramlar: Gözetimli vs. gözetimsiz, özellik (feature), eğitim/test](https://www.notion.so/Ana-kavramlar-G-zetimli-vs-g-zetimsiz-zellik-feature-e-itim-test-662e2d2badd944d094c720ac86c3f113?pvs=21) |
| 6) |
6. **Hafta 6: Derin Öğrenme sezgisi**
- Ana kavramlar: Yapay sinir ağı metaforları, CNN/RNN kavramsal
- Sınıf içi: Görsel örneklerle filtre (kenar, köşe) "kâğıt üzerinde"
- Ödev: Model mimari analizi (sınıflandırma vs. tahmin)
- Materyal: [Ödev: **Ö3** – Bir iş probleminde hedef değişkeni ve özellikleri yaz](https://www.notion.so/dev-3-Bir-i-probleminde-hedef-de-i-keni-ve-zellikleri-yaz-f1d9411a1bb748ea8ed1155308679e48?pvs=21) |
| 7) |
7. **Hafta 7: Ara Sınav — Evden Vaka Analizi ve Sunum (Yapay Zekâ destekli)**
- Ana kavramlar: Şimdiye kadar öğrenilenlerin uygulanması
- Sınıf içi: Yönerge duyurusu ve örnek vaka tartışması; teslim evden
- Ölçme: **Ara Sınav** — bireysel, 8–10 slayt + 3–5 dk video + Yapay Zekâ kullanım beyanı
- Materyal: [Ara Sınav](https://www.notion.so/Ara-S-nav-12cb350ed2d1461ba47b2270b8e9215e?pvs=21) |
| 8) |
8. **Hafta 8: Üretken Yapay Zekâ ve LLM'ler**
- Ana kavramlar: Metin/görsel/ses üretimi, prompt tasarımı, halüsinasyon
- Sınıf içi: "İyi/kötü prompt" atölyesi; referans/atıf kontrol listesi
- Ödev: **Ö4** – 1 sayfalık Prompt Kılavuzu
- Materyal: [Hafta 8 — Üretken YZ & LLM: Prompt Tasarımı, Halüsinasyon, Yapılandırılmış Çıktı, RAG](https://www.notion.so/Hafta-8-retken-YZ-LLM-Prompt-Tasar-m-Hal-sinasyon-Yap-land-r-lm-kt-RAG-130e11039004486eadc68816496d2c81?pvs=21) |
| 9) |
9. **Hafta 9: Bilgisayarlı Görü Uygulamaları**
- Ana kavramlar: Sınıflama, tespit, segmentasyon; kalite kontrol
- Sınıf içi: **Tekstil** örneği – leke/defect tespiti süreç haritası
- Ödev: Görsel sistem kavram taslağı
- Materyal: [Materyal: [Ana kavramlar: Gözetimli vs. gözetimsiz, özellik (feature), eğitim/test](https://www.notion.so/Ana-kavramlar-G-zetimli-vs-g-zetimsiz-zellik-feature-e-itim-test-662e2d2badd944d094c720ac86c3f113?pvs=21)](https://www.notion.so/Materyal-eb883eb83c7740e5a4f4e1fc44ec9cfb?pvs=21) |
| 10) |
10. **Hafta 10: Doğal Dil İşleme Uygulamaları**
- Ana kavramlar: Duygu analizi, özetleme, sohbet; çağrı merkezi
- Sınıf içi: Müşteri şikâyet metinlerinden tema çıkarımı (no‑code)
- Ölçme: **Quiz 2**
- Materyal: [**Hafta 6: Derin Öğrenme sezgisi**](https://www.notion.so/Hafta-6-Derin-renme-sezgisi-cde00174bd7c49ff9903690e6086da79?pvs=21) |
| 11) |
11. **Hafta 11: Yapay Zekâ ve Müşteri/Kullanıcı Deneyimi**
- Ana kavramlar: Kişiselleştirme, öneri sistemleri, kullanıcı arayüzlerinde Yapay Zekâ
- Sınıf içi: Kişiselleştirilmiş deneyim kurgulama atölyesi
- Ödev: Mini kullanıcı hikayesi ve kişiselleştirme önerisi
- Materyal: [Materyal: [Materyal: [Ana kavramlar: Gözetimli vs. gözetimsiz, özellik (feature), eğitim/test](https://www.notion.so/Ana-kavramlar-G-zetimli-vs-g-zetimsiz-zellik-feature-e-itim-test-662e2d2badd944d094c720ac86c3f113?pvs=21)](https://www.notion.so/Materyal-eb883eb83c7740e5a4f4e1fc44ec9cfb?pvs=21)](https://www.notion.so/Materyal-b392c817d7414a97802bf740210666fd?pvs=21) |
| 12) |
12. **Hafta 12: Yapay Zekâ ile İş Süreçleri Otomasyonu ve Verimlilik**
- Ana kavramlar: Talep tahmini, çizelgeleme, bakım, tedarik, kalite
- Sınıf içi: KOBİ için Yapay Zekâ iş değeri kanvası ve poster yürüyüşü (Proje Taslağı)
- Teslim: **Proje Taslağı** + atölye içi mikro çıktılar (MVP kapsam kartı, kabul kriteri taslağı, persona/senaryo akışı, KPI listesi ve eşikler, no‑code prototip akış şeması) · Materyal: [Hafta 12 — Yapay Zekâ ile İş Süreçleri Otomasyonu ve Verimlilik](https://www.notion.so/Hafta-12-Yapay-Zek-ile-S-re-leri-Otomasyonu-ve-Verimlilik-2b862eb70a3a451685a8a749bd1e0ab6?pvs=21) |
| 13) |
13. **Hafta 13: Robotik & İnsansı Robotlar — Sezgisel Giriş**
- Ana kavramlar: Sensör–aktüatör, kapalı çevrim, DOF ve kinematik, denge/yürüme, SLAM, HRI, güvenlik/etik
- Sınıf içi: 3‑DOF karton kol, "İnsan PID" oyunu, Post‑it ile SLAM · Mini‑quiz
- Materyal: [Hafta 13 — Robotik & İnsansı Robotlar: Sezgisel Giriş](https://www.notion.so/Hafta-13-Robotik-nsans-Robotlar-Sezgisel-Giri-8f53c21a5462458694667cd1c6103bba?pvs=21) |
| 14) |
14. **Hafta 14: Final Sunumları ve Kapanış**
- Ana kavramlar: Öğrenilenlerin sentezi, ileri kaynaklar
- Sınıf içi: Proje sunumları + akran geribildirimi
- Teslim: **Final Projesi** · Materyal: [Hafta 14 — Final Proje Sunumları · Akran Değerlendirme · Portföyleştirme · Kurs Kapanışı](https://www.notion.so/Hafta-14-Final-Proje-Sunumlar-Akran-De-erlendirme-Portf-yle-tirme-Kurs-Kapan-1692509d15bb445ba483f4e84f09acc2?pvs=21) |
| Diğer Kaynaklar: |
# 2024–2025 Eylem Planı
[Aposto Altı Otuz](https://www.notion.so/Aposto-Alt-Otuz-13ae7b2fcafe4149923855eca19f28fa?pvs=21)
[How does AI learn? (TED-Ed)](https://www.notion.so/How-does-AI-learn-TED-Ed-58017471cfa94dc789e8c54f2abb8687?pvs=21)
[OECD AI Principles](https://www.notion.so/OECD-AI-Principles-49cfc2affd7b4d8c91aeddb48e42e25b?pvs=21)
[OECD AI Principles](https://www.notion.so/OECD-AI-Principles-141edba61ec14ecfa936fac6c85482b1?pvs=21)
[T.C. Sanayi ve Teknoloji Bakanlığı: YZ Ekosistem Çağrıları](https://www.notion.so/T-C-Sanayi-ve-Teknoloji-Bakanl-YZ-Ekosistem-a-r-lar-a6e892939c9640ea91879deb0d7a604f?pvs=21)
[TÜBİTAK Yapay Zeka Enstitüsü](https://www.notion.so/T-B-TAK-Yapay-Zeka-Enstit-s-764a852c13da4606a69da1ffd20fb879?pvs=21)
[Ulusal Yapay Zekâ Stratejisi 2021–2025](https://www.notion.so/Ulusal-Yapay-Zek-Stratejisi-2021-2025-d25461fa4b0740e2b4e2e1c41e5efefa?pvs=21)
[Ulusal YZ Stratejisi 2024–2025 Eylem Planı](https://www.notion.so/Ulusal-YZ-Stratejisi-2024-2025-Eylem-Plan-b95e8a114fcb4dffb37f93327450da49?pvs=21)
[UNESCO Recommendation on the Ethics of AI](https://www.notion.so/UNESCO-Recommendation-on-the-Ethics-of-AI-cb51952a3a1d4be3ad4570762fc662ed?pvs=21)
[Google Dataset Search](https://www.notion.so/Google-Dataset-Search-d198032210934a0d9efc1c2787b4051c?pvs=21)
[İBB Açık Veri](https://www.notion.so/BB-A-k-Veri-f773013dd81843e1b66daadbac4fb98f?pvs=21)
[ISO 9241-210](https://www.notion.so/ISO-9241-210-f5c860b898c148a0aa9aa1ddc03d5cbf?pvs=21)
[ISO 9241-210:2019](https://www.notion.so/ISO-9241-210-2019-f93f0c211380477fa7d6707381bc3fb1?pvs=21)
[Open Data Turkey Katalog](https://www.notion.so/Open-Data-Turkey-Katalog-6a03151874ce4fa7878888e5189af340?pvs=21)
[Sağlık Bakanlığı Açık Veri](https://www.notion.so/Sa-l-k-Bakanl-A-k-Veri-9a1c42aca3344cf9ae4b4b5370dcbf58?pvs=21)
[TÜİK Veri Portalı](https://www.notion.so/T-K-Veri-Portal-7e7dd47aacd44885a03975de64303674?pvs=21)
[ULASAV Açık Veri Kılavuzu](https://www.notion.so/ULASAV-A-k-Veri-K-lavuzu-28350112c5be464eabd065956baa46fd?pvs=21)
[What is Machine Learning? (Oxford Sparks)](https://www.notion.so/What-is-Machine-Learning-Oxford-Sparks-0d64ea21a518456481c66cb4b150d8e8?pvs=21)
[BTK Akademi: Büyük Dil Modelleri](https://www.notion.so/BTK-Akademi-B-y-k-Dil-Modelleri-fb117cd23e5c420f9d8fc0f65b05d921?pvs=21)
[BTK Akademi: Yapay Zekaya Giriş](https://www.notion.so/BTK-Akademi-Yapay-Zekaya-Giri-c205d10ad222471f9153ac1b0d967dea?pvs=21)
[Elements of AI (Turkish)](https://www.notion.so/Elements-of-AI-Turkish-d9940ba5195f4268b942d5d5289f449a?pvs=21)
[Fast.ai Practical Deep Learning](https://www.notion.so/Fast-ai-Practical-Deep-Learning-a98aa524f50c414bb6e2e09347d214b4?pvs=21)
[Tarentum AI](https://www.notion.so/Tarentum-AI-79acb4fb5beb4e8d84ecd0bf9a5a84cf?pvs=21)
[TED-Ed: How does AI learn?](https://www.notion.so/TED-Ed-How-does-AI-learn-2c6c3fd0b35b4e31ba0f019573406e8c?pvs=21)
[TED-Ed: How does AI learn?](https://www.notion.so/TED-Ed-How-does-AI-learn-9b86ef6ac2fc46208aabecc5ad24c82c?pvs=21)
[TRAI Podcast](https://www.notion.so/TRAI-Podcast-51d6b6756ecd40758231481b39d5a993?pvs=21) |
|
