Bilgi Paketi / Ders Kataloğu
Tarımda Yapay Zeka Uygulamaları
Ders Kodu: TMT205
Ders Türü: Zorunlu
Ders Grubu: Önlisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 1
Uyg.: 1
Kredi: 2
Laboratuvar: 0
AKTS: 2
Amaç

Bu dersin amacı; yapay zekâ teknolojilerinin tarımsal üretimde kullanım alanlarını öğretmek, makine öğrenmesi, derin öğrenme, bilgisayarlı görü, karar destek sistemleri ve akıllı tarım uygulamalarını tanıtmak, öğrencilerin yapay zekâ tabanlı tarım teknolojilerini analiz edebilme ve uygulayabilme becerisi kazanmalarını sağlamaktır.

Özet İçerik

Yapay zekânın temel kavramları, makine öğrenmesi ve derin öğrenmeye giriş, veri madenciliği, tarımsal büyük veri (Big Data), bilgisayarlı görü uygulamaları, bitki hastalıklarının görüntü işleme ile belirlenmesi, ürün tahmin modelleri, yapay zekâ destekli sulama ve gübreleme sistemleri, tarımsal robotlar, otonom traktörler, insansız hava araçları (İHA), karar destek sistemleri, nesnelerin interneti (IoT), dijital tarım platformları, sürdürülebilir tarımda yapay zekâ uygulamaları ve güncel örnekler.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Yapay zekâ, makine öğrenmesi ve derin öğrenmenin temel kavramlarını açıklayarak tarımdaki kullanım alanlarını değerlendirir.
2.Tarımsal üretimden elde edilen sensör, görüntü ve çevresel verileri yapay zekâ yöntemleriyle analiz eder.
3.Bilgisayarlı görü ve makine öğrenmesi tekniklerini bitki hastalıklarının belirlenmesi, ürün tahmini ve hassas tarım uygulamalarında kullanır.
4.Yapay zekâ tabanlı karar destek sistemleri, tarımsal robotlar, otonom makineler ve akıllı tarım teknolojilerini mühendislik bakış açısıyla değerlendirir.
5.Tarımda yapay zekâ uygulamalarının teknik, ekonomik, etik ve sürdürülebilirlik boyutlarını analiz ederek yenilikçi çözüm önerileri geliştirir.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Projelerle Yapay Zeka ve Bilgisayarlı Görü
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Yapay zekâya giriş, temel kavramlar ve tarımdaki uygulama alanları
2. Hafta - Teorik
Makine öğrenmesinin temel prensipleri ve algoritmaları
3. Hafta - Teorik
Derin öğrenme ve yapay sinir ağları
4. Hafta - Teorik
Tarımsal veriler, büyük veri (Big Data) ve veri ön işleme
5. Hafta - Teorik
Bilgisayarlı görü ve görüntü işleme teknikleri
6. Hafta - Teorik
Bitki hastalıklarının yapay zekâ ile belirlenmesi
7. Hafta - Teorik
Ürün verimi tahmini
8. Hafta - Teorik
Karar destek sistemleri
9. Hafta - Teorik
Yapay zekâ destekli hassas tarım uygulamaları
10. Hafta - Teorik
Tarımsal robotlar ve otonom tarım makineleri
11. Hafta - Teorik
İHA (Drone), IoT ve sensör teknolojilerinde yapay zekâ uygulamaları
12. Hafta - Teorik
Akıllı sera sistemleri ve yapay zekâ tabanlı otomasyon
13. Hafta - Teorik
Tarımda üretken yapay zekâ (Generative AI), büyük dil modelleri ve dijital tarım platformları
14. Hafta - Teorik
Tarımda yapay zekânın etik, sürdürülebilirlik, gelecek eğilimleri ve dönem değerlendirmesi
Değerlendirme
Değerlendirme TürüAdetYüzde
Derse Katılım (Performans)1%5
Ödev1%5
Ara Sınav (Vize)1%30
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140114
Uygulamalı Ders140114
Ödev1505
Bireysel Çalışma5015
Ara Sınav1505
Dönem Sonu Sınavı1617
TOPLAM İŞ YÜKÜ (Saat)50
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
4
4
4
3
4
4
4
4
4
4
3
2
OÇ-2
5
4
4
4
5
5
5
4
4
3
2
2
OÇ-3
4
4
5
5
4
4
5
3
5
3
3
2
OÇ-4
4
3
4
4
3
5
3
3
4
3
2
2
OÇ-5
4
3
3
3
3
3
3
4
3
4
2
2
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026