Nevşehir Hacı Bektaş Veli Üniversitesi Bilgi Paketi
|
|||||
| Sınıf/Yarıyıl | 1 / Güz | ||||
| Ders Düzeyi | Yükseklisans | ||||
| Ders Türü | Seçmeli | ||||
| Bölümü | EĞİTİMDE YAPAY ZEKA TEKNOLOJİLERİ(TEZLİ YÜKSEK LİSANS ÖNERİLEN) | ||||
| Ön Koşul Dersleri | Yok | ||||
| Öğretim Sistemi | Örgün | ||||
| Ders Süresi | 14 Hafta | ||||
| Öğretim Elemanı | ŞEYHMUS AYDOĞDU (saydogdu@nevsehir.edu.tr) | ||||
| Diğer Öğretim Elemanı/Elemanları |
|||||
| Öğretim Dili | Türkçe | ||||
| Sınıf Dışı Uygulama/Staj | Yok | ||||
| Dersin Amacı | |||||
| Bu dersin amacı, öğrencilere programlama ve veri biliminin temel kavramlarını öğretmek, veri analizi ve makine öğrenmesi tekniklerini kullanarak öğrencilere veri odaklı kararlar alma yetkinliği kazandırmaktır. Öğrenciler, Python veya R gibi popüler programlama dillerini kullanarak veri toplama, temizleme, analiz etme ve görselleştirme becerileri geliştireceklerdir. Ayrıca, denetimli ve denetimsiz öğrenme yöntemlerini uygulayarak makine öğrenmesi modelleri kurmayı öğrenip, bu modelleri veri analizi süreçlerinde kullanabileceklerdir. | |||||
| Ders Öğrenme Çıktıları (DÖÇ) | PÇ | ODY | |
| Bu dersi başarı ile tamamlayan öğrenciler: | |||
| DÖÇ-1 | Veri biliminin temel kavramlarını ve süreçlerini anlayarak veri toplama, temizleme, analiz etme ve görselleştirme yöntemlerini etkili bir şekilde uygulayabilirler. |
PÇ-1 Eğitimde yapay zeka teknolojileri ile ilgili kuramsal ve uygulamalı bilgi birikimine sahiptir. PÇ-2 Öğrenmeyi geliştirmek için yaratıcı, özgün ve yenilikçi teknoloji destekli öğrenme ortamları tasarlar. PÇ-3 Eğitimde yapay zeka teknolojilerindeki ulusal ve uluslararası araştırmaları ve yenilikleri izleyerek edindiği bilgileri, kuramsal ve uygulamalı çalışmaları ile mesleki ve akademik yaşantısında kullanır. PÇ-9 Eğitimde yapay zeka teknolojileri ile farklı disiplinleri bütünleştirir. PÇ-10 Eğitim ortamlarında yapay zeka tabanlı uygulamaları tasarlayabilir ve geliştirebilir. PÇ-11 Öğrenme ve öğretme ortamlarında yapay zeka teknolojilerini etkili ve bilinçli bir şekilde kullanır. PÇ-12 Eğitsel bağlamda makine öğrenmesi, derin öğrenme ve büyük veri analitiği yöntemlerini etkin şekilde uygular. |
Yazılı Sınav Dönem Ödevi - Proje |
| DÖÇ-2 | Python veya R gibi programlama dillerini kullanarak veri manipülasyonu, veri analizi ve makine öğrenmesi algoritmalarını yazabilir, çalıştırabilir ve değerlendirebilirler. |
PÇ-1 Eğitimde yapay zeka teknolojileri ile ilgili kuramsal ve uygulamalı bilgi birikimine sahiptir. PÇ-2 Öğrenmeyi geliştirmek için yaratıcı, özgün ve yenilikçi teknoloji destekli öğrenme ortamları tasarlar. PÇ-3 Eğitimde yapay zeka teknolojilerindeki ulusal ve uluslararası araştırmaları ve yenilikleri izleyerek edindiği bilgileri, kuramsal ve uygulamalı çalışmaları ile mesleki ve akademik yaşantısında kullanır. PÇ-4 Öğretmenlik mesleği ve eğitimde yapay zeka teknolojileriyle ilgili yöntem ve teknikler ile mevcut kaynakları etkin kullanarak bireysel farklılıklara uygun öğrenme-öğretme ortamları tasarlar. PÇ-10 Eğitim ortamlarında yapay zeka tabanlı uygulamaları tasarlayabilir ve geliştirebilir. PÇ-11 Öğrenme ve öğretme ortamlarında yapay zeka teknolojilerini etkili ve bilinçli bir şekilde kullanır. PÇ-12 Eğitsel bağlamda makine öğrenmesi, derin öğrenme ve büyük veri analitiği yöntemlerini etkin şekilde uygular. |
Yazılı Sınav Dönem Ödevi - Proje |
| DÖÇ-3 | Denetimli ve denetimsiz öğrenme algoritmalarını kullanarak veri üzerinde sınıflandırma, regresyon ve kümeleme gibi işlemleri gerçekleştirebilir ve sonuçları analiz edebilirler. |
PÇ-1 Eğitimde yapay zeka teknolojileri ile ilgili kuramsal ve uygulamalı bilgi birikimine sahiptir. PÇ-2 Öğrenmeyi geliştirmek için yaratıcı, özgün ve yenilikçi teknoloji destekli öğrenme ortamları tasarlar. PÇ-3 Eğitimde yapay zeka teknolojilerindeki ulusal ve uluslararası araştırmaları ve yenilikleri izleyerek edindiği bilgileri, kuramsal ve uygulamalı çalışmaları ile mesleki ve akademik yaşantısında kullanır. PÇ-9 Eğitimde yapay zeka teknolojileri ile farklı disiplinleri bütünleştirir. PÇ-10 Eğitim ortamlarında yapay zeka tabanlı uygulamaları tasarlayabilir ve geliştirebilir. PÇ-11 Öğrenme ve öğretme ortamlarında yapay zeka teknolojilerini etkili ve bilinçli bir şekilde kullanır. PÇ-12 Eğitsel bağlamda makine öğrenmesi, derin öğrenme ve büyük veri analitiği yöntemlerini etkin şekilde uygular. |
Yazılı Sınav Dönem Ödevi - Proje |
| PÇ: Bölüm program çıktıları ÖDY: Ölçme ve değerlendirme yöntemi |
|||
| Dersin İçeriği | ||
| Giriş ve Temel Kavramlar, Python veya R Programlama Temelleri, Veri Yapıları ve Koleksiyonlar, Veri Okuma, Yazma ve Dosya İşlemleri, NumPy ve Pandas Kütüphaneleri ile Veri Manipülasyonu, Veri Görselleştirme Temelleri, İstatistiksel Analiz Temelleri, Veri Temizleme ve Hazırlık, Makine Öğrenmesine Giriş | ||
| Haftalık Detaylı Ders İçeriği | ||
| Hafta | Detaylı İçerik | Öğretim Yöntem ve Teknikleri |
| 1 | Giriş ve Temel Kavramlar | Anlatım, Soru-Cevap, Tartışma |
| 2 | Python veya R Programlama Temelleri | Anlatım, Soru-Cevap, Tartışma |
| 3 | Veri Yapıları ve Koleksiyonlar | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 4 | Veri Okuma, Yazma ve Dosya İşlemleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 5 | NumPy ve Pandas Kütüphaneleri ile Veri Manipülasyonu | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 6 | Veri Görselleştirme Temelleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 7 | İstatistiksel Analiz Temelleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 8 | Ara Sınav | |
| 9 | Veri Temizleme ve Hazırlık | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 10 | Makine Öğrenmesine Giriş | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 11 | Denetimli Öğrenme: Sınıflandırma Yöntemleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 12 | Denetimli Öğrenme: Regresyon Yöntemleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 13 | Denetimsiz Öğrenme: Kümeleme Yöntemleri | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 14 | Model Değerlendirme ve Hiperparametre Ayarları | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 15 | Uygulamalı Proje Çalışması | Anlatım, Soru Cevap, Tartışma, Bireysel Çalışma Yöntemi |
| 16 | Final Sınavı | |
| Ders Kitabı / Yardımcı Kitap | ||
| 1 | Aydoğdu, Ş. (2020). Algoritma ve Programlama. Ankara: Pegem Akademi. | |
| 2 | Kelleher, J. D., Tierney, B. (2020). Veri Bilimi. | |
| Ders Araç - Gereç ve Malzemeleri | ||
| Ders kitabı, dizüstü bilgisayar | ||
| Ölçme Yöntemi | |||
| Yöntem | Hafta | Süre (Saat) | Katkı(%) |
| Ara Sınav | 8 | 2 | 40 |
| Diğer Ölçme Yöntemleri | |||
| 1.Sözlü Sınav | |||
| 2.Kısa Sınav (Quiz) | |||
| 3.Laboratuvar Sınavı | |||
| 4.Sunum | |||
| 5.Rapor | |||
| 6.Seminer | |||
| 7.Performans Ödevi | |||
| 8.Dönem Ödevi | 16 | 1 | 30 |
| 9.Proje | |||
| Final Sınavı | 16 | 1 | 30 |
| Öğrenci İş Yükü | |||
| İşlem Adı | Haftalık Saat | Sayı | İş Yükü |
| Haftalık Ders Saati (Teorik+Uygulama) | 3 | 14 | 42 |
| Sınıf Dışı Çalışma | |||
| a) Okuma | 3 | 14 | 42 |
| b) İnternette/Kütüphanede Tarama | 3 | 14 | 42 |
| c) Performans Ödevi | 0 | ||
| d) Seminer/Sunum/Rapor Hazırlama | 0 | ||
| e) Dönem Ödevi/Proje Hazırlama | 2 | 14 | 28 |
| Sözlü Sınav | 0 | ||
| Kısa Sınav (Quiz) | 0 | ||
| Laboratuvar Sınavı | 0 | ||
| Ara Sınav İçin Hazırlık | 3 | 7 | 21 |
| Ara Sınav | 2 | 1 | 2 |
| Final Sınavı İçin Hazırlık | 0 | ||
| Final Sınavı | 3 | 1 | 3 |
| 0 | |||
| 0 | |||
| Toplam İş Yükü | 180 | ||