
| Ders Kodu | : LVS260 |
| Ders Türü | : Seçmeli |
| Ders Grubu | : Önlisans |
| Eğitim Dili | : Türkçe |
| Staj Durumu | : Yok |
| Teori | : 1 |
| Uyg. | : 1 |
| Kredi | : 2 |
| Laboratuvar | : 0 |
| AKTS | : 3 |
Bu dersin amacı, yapay zeka teknolojilerini tanıtarak katılımcıların temel yapay zeka okuryazarlığını kazanmalarını sağlamak ve üretken yapay zeka araçlarını doğru ve verimli bir şekilde kullanmayı öğretmektir
Bu ders, yapay zekanın tarihsel gelişiminden başlayarak temel kavramlarını ve günümüzde özellikle laborant ve veteriner sağlık alanındaki uygulamalarını kapsamlı bir şekilde ele alır. Ders kapsamında, yapay zekanın ortaya çıkışı ve gelişim süreci, Dartmouth Konferansı ile başlayan dönemden günümüze kadar incelenir; makine öğrenmesi, derin öğrenme, veri analizi ve modelleme gibi temel kavramlar açıklanır. Öğrenciler, üretken yapay zekanın çalışma prensiplerini öğrenerek laboratuvar verilerinin yorumlanması, kan ve doku analizlerinin değerlendirilmesi, hastalık teşhisi ve veteriner klinik süreçlerinde yapay zekanın nasıl kullanılabileceğini kavrar. Ders sürecinde ChatGPT, DALL-E ve Midjourney gibi üretken yapay zeka araçları tanıtılarak, rapor yazımı, hasta kayıtlarının düzenlenmesi, eğitim materyali hazırlanması ve görsel analiz gibi mesleki uygulamalarda kullanımları gösterilir. Ayrıca öğrenciler, yapay zeka ile etkili iletişim kurabilmek için doğru ve verimli komutlar yazmayı öğrenir; bu kapsamda prompt mühendisliğinin temel prensipleri, laboratuvar sonuçlarının yorumlanması veya klinik senaryoların analiz edilmesi için nasıl uygulanacağıyla birlikte ele alınır. Ders, yapay zeka destekli içerik üretimini veteriner sağlık alanına uyarlayarak klinik raporlar, bilgilendirme metinleri ve sosyal medya içeriklerinin hazırlanmasını kapsar; bunun yanında metinden görsel üretme teknikleri kullanılarak anatomi, hastalık bulguları ve laboratuvar süreçlerinin görselleştirilmesi de incelenir.
| 1. | Öğrenci, yapay zekanın temel kavramlarını (makine öğrenmesi, veri analizi, üretken yapay zeka) tanımlar ve veteriner/laboratuvar alanındaki uygulamalarını açıklar. |
| 2. | Öğrenci, laboratuvar test sonuçları ve veteriner klinik verilerinin analizinde yapay zeka araçlarının nasıl kullanılacağını örneklerle açıklar. |
| 3. | Öğrenci, üretken yapay zeka araçlarını (metin ve görsel üretim sistemleri) kullanarak mesleki rapor, bilgilendirme metni ve eğitim içeriği oluşturur. |
| 4. | Öğrenci, etkili prompt (komut) yazma tekniklerini kullanarak yapay zeka sistemlerinden doğru, anlaşılır ve mesleki açıdan uygun çıktılar elde eder. |
| 5. | Öğrenci, veterinerlik ve laborantlık alanında yapay zekanın kullanımında veri güvenliğini ve sorumlu kullanım prensiplerini değerlendirir ve uygular. |
| 1. | Gökçearslan Ş., Hatice Yıldız D. (2024). Yapay Zeka Okuryazarlığı Nobel Akademik Yayıncılık |
| Değerlendirme Türü | Adet | Yüzde |
|---|---|---|
| Ödev | 1 | %5 |
| Kısa Sınav (Quiz) | 1 | %5 |
| Ara Sınav (Vize) | 1 | %30 |
| Dönem Sonu Sınavı (Final) | 1 | %60 |
| Etkinlik | Sayısı | Ön Hazırlık | Süre | Toplam Iş Yükü (Saat) |
|---|---|---|---|---|
| Uygulamalı Ders | 14 | 1 | 2 | 49 |
| Ödev | 1 | 5 | 2 | 7 |
| Kısa Sınav | 1 | 1 | 0 | 2 |
| Ara Sınav | 1 | 6 | 0 | 7 |
| Dönem Sonu Sınavı | 1 | 9 | 0 | 10 |
| TOPLAM İŞ YÜKÜ (Saat) | 75 | |||
PÇ-1 | PÇ-2 | PÇ-3 | PÇ-4 | PÇ-5 | PÇ-6 | PÇ-7 | PÇ-8 | PÇ-9 | PÇ-10 | PÇ-11 | PÇ-12 | PÇ-13 | PÇ-14 | PÇ-15 | |
OÇ-1 | 5 | 5 | 5 | 4 | 3 | ||||||||||
OÇ-2 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | ||||||||
OÇ-3 | 3 | 3 | 2 | 4 | 3 | 5 | 5 | 5 | 4 | 2 | |||||
OÇ-4 | 4 | 4 | 4 | 5 | |||||||||||
OÇ-5 | 2 | 2 | 3 | 3 | 4 | 3 | 5 | 5 | 5 | ||||||