| Ders Adı | ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING | Kod | MIS7002 |
| Kredi | 3 | AKTS | 6 |
| Z/S | Zorunlu | Teorik Saat | 3 |
| Uygulama Saat | 0 | Lab Saat | 0 |
| Ders Dili | İngilizce | Dersi Veren | Doç. Dr. ELİF KARTAL |
| Dersin Veriliş Türü | Örgün | ||
Bu dersin amacı, öğrencilere yapay zekâ ve makine öğrenmesinin temel kavramlarını, yöntemlerini ve uygulama alanlarını kuramsal ve uygulamalı olarak tanıtmaktır. Ders kapsamında öğrencilerin veri temelli problem çözme, uygun makine öğrenmesi yöntemini seçme, model kurma, model performansını değerlendirme ve yapay zekâ uygulamalarını etik, toplumsal ve akademik sorumluluk çerçevesinde yorumlama becerileri kazanmaları hedeflenmektedir. Ders sonunda öğrencilerin; yapay zekâ ve makine öğrenmesi kavramlarını açıklayabilmeleri, gözetimli ve gözetimsiz öğrenme yaklaşımlarını ayırt edebilmeleri, temel algoritmaları uygulayabilmeleri, model başarı ölçütlerini yorumlayabilmeleri ve yapay zekâ uygulamalarının sınırlılıklarını eleştirel biçimde değerlendirebilmeleri beklenmektedir.
Bu ders, yapay zekâ ve makine öğrenmesinin temel kavramlarını, veri ön işleme süreçlerini, gözetimli ve gözetimsiz öğrenme yöntemlerini, model değerlendirme ölçütlerini ve temel derin öğrenme yaklaşımlarını kapsar. Ders kapsamında sınıflandırma, regresyon, kümeleme, karar ağaçları, k-en yakın komşu, destek vektör makineleri, yapay sinir ağları ve temel model değerlendirme yöntemleri ele alınır. Ayrıca yapay zekâ sistemlerinin etik kullanımı, veri gizliliği, algoritmik önyargı, açıklanabilirlik ve sosyal bilimler alanındaki uygulama örnekleri tartışılır. Ders, kuramsal anlatım ile Python tabanlı uygulamaları birleştiren uygulamalı bir yapıya sahiptir.
Tartışma ve eleştirel değerlendirme, proje/ödev çalışmaları, sunum ve geri bildirim.
Temel Kaynaklar: Mitchell, T. M. Machine Learning. McGraw-Hill. Russell, S., & Norvig, P. Artificial Intelligence: A Modern Approach. Pearson. Géron, A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly. Bishop, C. M. Pattern Recognition and Machine Learning. Springer. Yardımcı Kaynaklar: scikit-learn resmi dokümantasyonu UCI Machine Learning Repository veri setleri Kaggle eğitim veri setleri Güncel akademik makaleler ve vaka çalışmaları Yapay zekâ etiği, veri gizliliği ve algoritmik adalet üzerine ulusal ve uluslararası raporlar