| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Kurumsal Bilişim Sistemleri:Yapay Zeka Uygulamaları | ISE 522 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi CEM ÖZKURT |
| Dersi Verenler | Dr.Öğr.Üyesi CEM ÖZKURT, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | |
| Dersin İçeriği | |
| Özel Koşullar | |
| Sektör Desteği | |
| Destekleyen Firma | |
| Destekleyen Eğitmen |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Yapay Zeka tabanlı veri hazırlama, ön işleme, keşifçi veri analizi, görselleştirme ve öznitelik mühendisliği adımlarını sistematik bir analitik iş akışı içinde uygular. | Anlatım, Soru-Cevap, Tartışma, | Sözlü Sınavlar, |
| 2 | Regresyon, sınıflandırma, kümeleme ve yapay sinir ağı temelli modelleri uygun performans metrikleri ve doğrulama stratejileri ile geliştirir, karşılaştırır ve yorumlar. | Anlatım, Soru-Cevap, | Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), Ödev / Evde-Çöz Sınavlar, |
| 3 | Verilen bir veri analizi problemi için bulanık mantık, genetik algoritma, açıklanabilir yapay zeka ve veri etiği boyutlarını dikkate alarak uygun zeki tekniği gerekçeli biçimde seçer. | Soru-Cevap, Tartışma, Problem Çözme, | Sözlü Sınavlar, Performans Değerlendirme, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Kurumsal bilişim sistemlerinin yapısı, bileşenleri, işlevleri ve yapay zekâ ile ilişkisi. | |
| 2 | Kurumsal veri kaynakları, veri–enformasyon–bilgi dönüşümü, bilgi yönetimi ve karar süreçleri. | |
| 3 | Yapay zekâ yaklaşımları, makine öğrenmesi, derin öğrenme ve kurumsal uygulama alanları. | |
| 4 | Veri toplama, temizleme, bütünleştirme, özellik çıkarımı ve keşifsel veri analizi. | |
| 5 | Sınıflandırma, regresyon, kümeleme ve kurumsal veriler üzerinde tahminleme modelleri. | |
| 6 | Bilgi tabanlı sistemler, uzman sistemler, bulanık mantık ve akıllı karar destek mekanizmaları. | |
| 7 | ERP sistemleri, üretim planlama, stok optimizasyonu, kaynak tahsisi ve talep tahminleme uygulamaları. | |
| 8 | CRM sistemleri, müşteri davranış analizi, müşteri segmentasyonu, öneri sistemleri ve müşteri kaybı tahmini | |
| 9 | İş süreçlerinin analizi, robotik süreç otomasyonu (RPA), süreç madenciliği ve yapay zekâ destekli iş akışları. | |
| 10 | Büyük dil modelleri, kurumsal sohbet sistemleri, belge analizi, anlamsal arama ve RAG mimarileri. | |
| 11 | Zaman serisi analizi, talep ve kapasite tahmini, optimizasyon algoritmaları ve karar modelleri. | |
| 12 | Anomali tespiti, dolandırıcılık analizi, siber güvenlik, operasyonel risk değerlendirmesi ve erken uyarı sistemleri. | |
| 13 | Yapay zekâ sistemlerinin kurumsal entegrasyonu, model yaşam döngüsü, veri güvenliği, açıklanabilir yapay zekâ ve etik ilkeler. | |
| 14 | Gerçek kurumsal problemlere yönelik yapay zekâ çözümü geliştirme, performans ölçümü, maliyet–fayda analizi ve örnek proje değerlendirmeleri. |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | X | |||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | X | |||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | X | |||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | X | |||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | X | |||||
| 6 | Bilişim sistemlerinin işleyişinde verinin önemini ortaya koyarak veri hazırlama, veri analizi ve veri görselleştirme uygulamaları ile sistem verimliliğine katı sağlayıcı yetkinlikler kazanır. | X | |||||
| 7 | İlgili alanlarda kitap, makale ve benzeri bilimsel yayın üretmek ve uygulama yapabilmek için gerekli yetkinlikleri kazanır. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Yapay Zeka tabanlı veri hazırlama, ön işleme, keşifçi veri analizi, görselleştirme ve öznitelik mühendisliği adımlarını sistematik bir analitik iş akışı içinde uygular. | 0 | 5 | 4 | 5 | 4 | 4 | 5 |
| 2 | Regresyon, sınıflandırma, kümeleme ve yapay sinir ağı temelli modelleri uygun performans metrikleri ve doğrulama stratejileri ile geliştirir, karşılaştırır ve yorumlar. | 0 | 5 | 4 | 3 | 4 | 5 | 5 |
| 3 | Verilen bir veri analizi problemi için bulanık mantık, genetik algoritma, açıklanabilir yapay zeka ve veri etiği boyutlarını dikkate alarak uygun zeki tekniği gerekçeli biçimde seçer. | 1 | 2 | 3 | 5 | 3 | 3 | 4 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Performans Görevi (Seminer) | 100 |
| Toplam | 100 |
| 1. Final | 60 |
| 1. Yıl İçinin Başarıya | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 1 | 16 |
| Performans Görevi (Seminer) | 1 | 38 | 38 |
| Final | 1 | 38 | 38 |
| Toplam İş Yükü | 140 | ||
| Toplam İş Yükü / 25 (Saat) | 5,6 | ||
| dersAKTSKredisi | 6 | ||