Bilgi Paketi / Ders Kataloğu
Yapay Zekâ Okuryazarlığı
Ders Kodu: EFS177
Ders Türü: Bölüm Dışı Seçmeli
Ders Grubu: Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 0
Kredi: 2
Laboratuvar: 0
AKTS: 3
Amaç

Yapay zekânın temelleri bilgisine sahip olma ve yapay zekâyı etkili ve verimli kullanabilme

Özet İçerik

Yapay zekânın tanımı ve temelleri, günümüzdeki yeri ve önemi, makine öğrenmesi, derin öğrenme ve sinir ağları; doğal dil işleme (NLP) ve görüntü işleme; yapay zekâ okuryazarlığı; istem mühendisliği; yapay zekâ ile içerik oluşturma, yapay zekânın geleceği; farklı disiplinlerde (sağlık, sanat, mühendislik vb.) kullanımı

Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Ayşe YILMAZ
Dr. Öğr. Üyesi Fulya TORUN
Öğrenme Çıktıları
1.Yapay zekânın temel kavramlarını ve çalışma prensiplerini açıklar
2.Yapay zekânın günümüzdeki yerini ve toplumsal önemini değerlendirir.
3.Yapay zekânın teknik alt yapısını temel düzeyde açıklar.
4.Yapay zekânın bireylere ve topluma etkilerine yönelik eleştirel bir perspektif geliştirir
5.Farklı amaçlara yönelik çeşitli yapay zekâ araçlarının özelliklerini karşılaştırır.
6.Yapay zekânın gelecekteki olası gelişimlerini öngörür ve eleştirel bir perspektif geliştirir.
7.Yapay zekânın gelecekteki olası gelişimlerini öngörür.
8.Yapay zekânın farklı disiplinlerdeki uygulamalarını analiz eder.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Goksel, N., & Bozkurt, A. (2019). Artificial intelligence in education: Current insights and future perspectives. In Handbook of Research on Learning in the Age of Transhumanism (pp. 224-236). IGI Global.
2.Gates, B. (2023). The Age of AI has begun. Gates Notes. https://www.gatesnotes.com/The-Age-of-AI- Has-Begun
3.Chen, B., Zhang, Z., Langrené, N., & Zhu, S. (2023). Unleashing the potential of prompt engineering in Large Language Models: a comprehensive review. arXiv. DOI: https://doi.org/10.48550/ arXiv.2310.14735
4.Dang, H., Mecke, L., Lehmann, F., Goller, S., & Buschek, D. (2022). How to prompt? Opportunities and challenges of zero-and few-shot learning for human-AI interaction in creative applications of generative models. arXiv. DOI: https://doi.org/10.48550/arXiv.2209.01390
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Yapay zekânın tanımı ve temelleri
2. Hafta - Teorik
Yapay zekânın günümüzdeki yeri ve önemi
3. Hafta - Teorik
Yapay zekânın faydaları ve sınırlılıkları
4. Hafta - Teorik
Makine öğrenmesi, derin öğrenme ve sinir ağları
5. Hafta - Teorik
Doğal dil işleme (NLP) ve görüntü işleme
6. Hafta - Teorik
Yapay zekâ okuryazarlığı
7. Hafta - Teorik
Prompt mühendisliği
8. Hafta - Teorik
Yapay zekânın topluma sosyal etkileri (Ara sınav)
9. Hafta - Teorik
Yapay zekâ ile yaratıcılık (Ara sınav)
10. Hafta - Teorik
Yapay zekâ ile araştırma yapma
11. Hafta - Teorik
Yapay zekâ ile görsel içerik üretme
12. Hafta - Teorik
Yapay zekâ ile sunu oluşturma
13. Hafta - Teorik
Yapay zekâ ile ses ve video üretme
14. Hafta - Teorik
Yapay zekânın geleceği
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%40
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders141242
Bireysel Çalışma51110
Ara Sınav110111
Dönem Sonu Sınavı110111
TOPLAM İŞ YÜKÜ (Saat)74
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
OÇ-1
5
4
4
4
4
5
5
4
5
4
OÇ-2
4
4
5
5
OÇ-3
5
5
4
4
4
OÇ-4
4
5
5
5
5
5
4
4
OÇ-5
4
4
4
4
OÇ-6
4
4
4
4
OÇ-7
4
4
4
OÇ-8
4
4
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026