| 1 |
Yapay Zekâ ve Makine Öğrenmesine Giriş |
| 2 |
Yapay Zekânın Temel Kavramları, Tarihsel Gelişimi ve Uygulama Alanları |
| 3 |
Makine Öğrenmesinin Temel Bileşenleri: Görev, Deneyim ve Performans Ölçütü |
| 4 |
Veri Türleri, Veri Toplama, Veri Kalitesi ve Veri Ön İşleme |
| 5 |
Danışmanlı Öğrenme I: Sınıflandırma Problemleri ve Temel Algoritmalar |
| 6 |
Danışmanlı Öğrenme II: Regresyon Problemleri ve Modelleme Yaklaşımları |
| 7 |
Danışmansız Öğrenme: Kümeleme ve Boyut İndirgeme Yöntemleri |
| 8 |
Ara Sınav |
| 9 |
Pekiştirmeli Öğrenme: Q-Learning |
| 10 |
Karar Ağaçları, Topluluk Öğrenmesi ve Model Yorumlanabilirliği |
| 11 |
Birliktelik Kuralları |
| 12 |
Yapay Zekâ Etiği: Veri Gizliliği, Algoritmik Önyargı, Açıklanabilirlik ve Sorumlu Kullanım |
| 13 |
Proje Sunumları, Genel Değerlendirme ve Güncel Yapay Zekâ Uygulamaları |
| 14 |
Proje Sunumları, Genel Değerlendirme ve Güncel Yapay Zekâ Uygulamaları |
