|
|
| YZT2003 | Operasyonel Yapay Zeka | 3+1+0 | AKTS:5 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Ön Lisans | | Yazılım Şekli | Zorunlu | | Bölümü | BİLGİSAYAR TEKNOLOJİLERİ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Uzaktan Eğitim | | Dersin Süresi | 14 hafta - haftada 3 saat teorik ve 1 saat uygulama | | Öğretim Üyesi | Öğr. Gör. Didem ÇAKIR | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | yapay zekanın operasyonel süreçlerdeki kullanımını, verimliliği artırmaya yönelik etkilerini ve uygulama yöntemlerini kavratmaktır. Ders, öğrencilere yapay zeka tabanlı çözümlerle süreç optimizasyonu, veri analitiği ve karar destek sistemleri geliştirme becerisi kazandırmayı hedefler. Aynı zamanda, yapay zekanın etik ve yasal boyutlarına dair farkındalık oluşturur. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Üretim süreçleri hakkında bilgi sahibi olunur. | 4 | 1, | | ÖK - 2 : | Diğer bilim dalları ile yapay zeka arasındaki ilişkiyi anlar. | 2,3 | 1, | | ÖK - 3 : | Yapay zeka süreçleri hakkında bilgi sahibi olur. | 6,7 | 1, | | ÖK - 4 : | Dünyada üretim süreçlerinde kullanılan yapay zeka sistemlerini bilir. | 2 | 1, | | ÖK - 5 : | Üretim sürecinde yapay zeka kullanımına yönelik fikir sahibi olur. | 2,4 | 1, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Operasyonel iş süreçlerine, üretim, yönetim gibi aşamalara yapay zekanın aktarılma sına yönelik bilgi ve becerilerin verilmesini hedefler. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Üretim yönetimi nedir? | | | Hafta 2 | Üretim yönetiminde temel kavramlar | | | Hafta 3 | Üretim süreçleri ve analizleri | | | Hafta 4 | Veri bilimi, makine öğrenmesi, derin öğrenme ve yapay zeka arasındaki ilişki | | | Hafta 5 | Makine öğrenmesi, süreci, uygulamaları ve araçları | | | Hafta 6 | Derin öğrenme | | | Hafta 7 | Doğal Dil İşleme (NLP) | | | Hafta 8 | Yapay zeka geliştirmek için kullanılan programlama dilleri, yazılım kütüphaneleri ve araçları | | | Hafta 9 | Arasınav | | | Hafta 10 | Yapay zeka süreçleri: DevOps, MLOps, AIOps, LLMOps, ModelOps, DataOps | | | Hafta 11 | Yapay zeka süreçleri: DevOps, MLOps, AIOps, LLMOps, ModelOps, DataOps | | | Hafta 12 | Dünyada yapay zeka ekosistemi ve yapay zeka kullanan üreticiler | | | Hafta 13 | Kamuda yapay zeka kullanımına yönelik fikir ve tasarımlar | | | Hafta 14 | Üretimde yapay zeka fikir ve uygulamaları | | | Hafta 15 | Üretimde yapay zeka fikir ve uygulamaları | | | Hafta 16 | Bu ders için Ara Sınav, 9. ve 16. haftalar arasındaki bir tarihte yapılır. Sınavın yapıldığı tarihten itibaren konular bir hafta ileri alınır | | | |
| 1 | Özkan, M. (2021). Makine Öğrenmesine Giriş ve Uygulamalar. Kodlab Yayınları. | | | |
| 1 | Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson Education. | | | 2 | IBM. (2023). Operationalizing AI for Enterprises: Best Practices for Implementing AI in Business. IBM White Paper. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 1 | 50 | | Dönem sonu sınavı | 16 | | 1 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 5 | 14 | 70 | | Sınıf dışı çalışma | 4 | 14 | 56 | | Arasınav için hazırlık | 1 | 14 | 14 | | Arasınav | 1 | 1 | 1 | | Dönem sonu sınavı için hazırlık | 2 | 14 | 28 | | Dönem sonu sınavı | 1 | 1 | 1 | | Toplam Çalışma Yükü | | | 170 |
|