Bilgi Paketi / Ders Kataloğu
Bilgisayarlı Görü
Ders Kodu: YZO265
Ders Türü: Seçmeli
Ders Grubu: Önlisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 0
Kredi: 2
Laboratuvar: 0
AKTS: 4
Amaç

Bu dersin amacı, öğrencilere bilgisayarlı görü kavramını tanıtmak, temel yöntem ve teknikleri öğretmek ve yapay zekâ destekli bilgisayarlı görü uygulamalarında kullanılabilecek temel bilgi ve becerileri kazandırmaktır. Ders, yapay zekâ operatörlüğü bağlamında; nesne algılama, görüntü sınıflandırma, yüz tanıma gibi pratik uygulamalar ile bilgisayarlı görünün mesleki iş süreçlerinde etkin kullanımını hedefler.

Özet İçerik

Ders; bilgisayarlı görünün tanımı ve temel bileşenleri ile başlar, görüntülerin dijital olarak işlenmesi, analizi ve yorumlanması süreçleri ele alınır. Görüntüde nesne algılama, sınıflandırma, segmentasyon ve yüz tanıma gibi konular üzerinde durulur. Yapay zekâ algoritmalarının bilgisayarlı görüdeki rolü ve OpenCV, TensorFlow gibi popüler araçlarla uygulamalı örnekler sunulur. Veri güvenliği, etik değerler ve mesleki standartlar vurgulanır.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Bilgisayarlı görü kavramını, tarihçesini ve temel bileşenlerini açıklar.
2.Dijital görüntülerin özelliklerini ve formatlarını tanır, temel görüntü işleme tekniklerini uygular.
3.Bilgisayarlı görü sistemlerinde görüntü segmentasyonu, kenar algılama ve desen tanıma tekniklerini uygular.
4.Nesne algılama ve yüz tanıma uygulamalarında yapay zekâ destekli yöntemleri kullanır.
5.Bilgisayarlı görü ve yapay zekâ alanındaki güncel gelişmeleri takip eder, yaşam boyu öğrenmeye önem verir.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.PROJELERLE YAPAY ZEKA VE BİLGİSAYARLI GÖRÜ Ümit AKSOYLU Kodlab
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Bilgisayarlı görüye giriş
2. Hafta - Teorik
Bilgisayarlı görüde görüntü formatları ve dijital görüntü özellikleri
3. Hafta - Teorik
Görüntü ön işleme teknikleri (parlaklık, kontrast ayarlama vb.)
4. Hafta - Teorik
Filtreleme ve kenar algılama yöntemleri
5. Hafta - Teorik
Görüntü segmentasyonu teknikleri
6. Hafta - Teorik
Şekil ve desen tanıma
7. Hafta - Teorik
Nesne algılama yöntemleri
8. Hafta - Teorik
Yüz tanıma ve biyometrik uygulamalar (Ara sınav)
9. Hafta - Teorik
Derin öğrenme tabanlı bilgisayarlı görü sistemleri
10. Hafta - Teorik
Python ve OpenCV ile bilgisayarlı görü uygulamaları
11. Hafta - Teorik
Bilgisayarlı görüde veri toplama ve kalite süreçleri
12. Hafta - Teorik
Yapay zekâ operatörlüğünde bilgisayarlı görü uygulamaları örnekleri
13. Hafta - Teorik
Veri güvenliği ve etik kurallar (görüntü verisi özelinde)
14. Hafta - Teorik
Bilgisayarlı görü teknolojilerinde güncel gelişmeler
Değerlendirme
Değerlendirme TürüAdetYüzde
Ödev1%10
Kısa Sınav (Quiz)1%10
Ara Sınav (Vize)1%20
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140228
Ödev116117
Kısa Sınav116117
Ara Sınav116117
Dönem Sonu Sınavı120121
TOPLAM İŞ YÜKÜ (Saat)100
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
OÇ-1
5
3
4
4
4
5
5
4
5
3
3
4
OÇ-2
5
5
5
4
4
5
4
5
4
2
3
4
OÇ-3
5
5
5
4
5
4
5
4
5
3
3
3
OÇ-4
5
5
5
4
4
4
4
5
4
2
2
3
OÇ-5
5
5
5
5
5
4
5
5
5
3
3
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026