Yapay Zekâ Sistemleri
Beş haftalık mikro yeterlilik programında, veri, bulut, sinir ağları ve saha uygulamaları ele alınarak sektörel bir sorun için yapay zekâ uygulanabilirlik dosyası hazırlanması hedeflenmektedir.
- Bahçeşehir Üniversitesi imzalı
- QR ile doğrulanabilir sertifika
- 365 gün sınırsız erişim
Programa Dahil Olanlar 9 madde
Program Hakkında
Neden şimdi?
Dünya Ekonomik Forumu’nun 2025 raporunda en hızlı yükselen becerilerin başında yapay zekâ ve büyük veri geliyor. Bunları ağlar ve siber güvenlik izliyor. LinkedIn’in 2026 Türkiye listesinde ise en hızlı yükselen meslekler arasında ilk sırada yapay zekâ mühendisi, ikinci sırada yapay zekâ danışmanı yer alıyor. Resmî Gazete’de yayımlanan Türkiye’nin 2026–2030 Yapay Zekâ Eylem Planı kapsamında, 2027 sonuna kadar beş milyon kişiye yapay zekâ okuryazarlığı eğitimi verilmesi ve yüz bin uygulama profesyoneli yetiştirilmesi hedefleniyor. Ayrıca, 2030’a kadar veri merkezi kapasitesinin bir gigavata çıkarılması planlanıyor. Bu gelişmelerle birlikte, teknik ekiplerin ne geliştireceğini ve hangi ihtiyaca çözüm üreteceğini doğru tanımlamak da önem kazanıyor. İş ilanlarında kod yazabilen uzmanlara ihtiyaç öne çıkarken, bu uzmanlarla birlikte çalışacak ve doğru soruları soracak kişilere de ihtiyaç duyuluyor.
Bu program, söz konusu becerinin geliştirilmesi amacıyla hazırlanmıştır. Programda kodlama veya formüllerle çalışma gerektirilmeden, bir yapay zekâ çözümünün dört temel katmanı adım adım incelenmekte ve edinilen bilgilerin sektörel bir soruna uygulanması beklenmektedir. Program sonunda, bir veri bilimciyle “Bu problem sınıflandırma mı, sayısal tahmin mi gerektiriyor? Elimizdeki veri yeterli mi? Model nerede çalışacak? Bu uygulama hangi risk sınıfına giriyor?” sorularını tartışabilecek bir temel kazandırılması hedeflenmektedir.
Dört Hafta, Dört Katman
Veri nereden gelir?
Doç. Dr. Yücel Batu Salman’ın anlatımıyla, büyük veri
süreçleri ve 6V özellikleri sektör örnekleri üzerinden açıklanmaktadır. Ele
alınan bir problemin çözümünde hangi veri eksikliğinin veya sınırlılığının
darboğaz oluşturduğunun belirlenmesi beklenmektedir.
Bulut kimin bilgisayarı?
Doç. Dr. Ayla Gülcü’nün anlatımıyla, bulut hizmet
modelleri, yayılım türleri ve sağlayıcılar ele alınmaktadır. Bir kurumun
ihtiyaçları doğrultusunda bulut kullanımının fayda ve risklerinin
değerlendirilmesi ve gerekçeli bir karar oluşturulması hedeflenmektedir.
Derin öğrenme gerekli mi?
Doç. Dr. Atınç Yılmaz’ın anlatımıyla, nöronlardan
katmanlara, sinir ağlarından derin öğrenmeye uzanan yapı açıklanmaktadır.
Seçilen problemin türünün belirlenmesi ve derin öğrenmenin bu problem için
uygun olup olmadığının gerekçelendirilmesi beklenmektedir.
Sahada ne çalışıyor?
Dr. Öğr. Üyesi Fatih Kahraman’ın anlatımıyla,
bilgisayarlı görü, yüz tanıma ve doğal dil işleme uygulamalarının yanı sıra
sağlık ve tarım alanındaki örnekler incelenmektedir. Yüz tanıma
uygulamalarının risk sınıfının ve KVKK kapsamındaki gerekliliklerinin
kullanım bağlamına göre değerlendirilmesi beklenmektedir.
Program nasıl ilerlemektedir?
Her haftaya kısa bir okumayla başlanmakta,
ardından video derslerle devam edilmektedir. Videolarda, ilgili kavramın
anlatılmasının hemen ardından sorular sunulmaktadır. Bu sorular
notlandırılmamakta; yanıt sonrasında verilen açıklamalarla öğrenme desteklenmektedir.
Her haftanın sonunda sekiz soruluk bir sınava ve bir tartışma sorusuna yer
verilmektedir. Üçüncü haftada bir vaka çalışması yapılmaktadır. Bu çalışmada,
sektörel bir sorunun problem türüyle eşleştirilmesi, derin öğrenmenin daha
basit bir yöntemle karşılaştırılması ve seçilen yaklaşımın gerekçeli bir
öneriyle sunulması beklenmektedir. Program sonunda genel sınav ve bitirme
çalışması uygulanmaktadır. Bitirme çalışmasında, dört katmanın ve uygulamanın
risk sınıfının tek belgede değerlendirildiği bir uygulanabilirlik dosyası
hazırlanması istenmektedir.
Program sonunda ne elde edilmektedir?
Programın başarıyla tamamlanmasının ardından,
YÖK Mikro Yeterlilikler Çerçevesi (EK-1) unsurlarını taşıyan ve QR kod ile doğrulanabilen Mikro Yeterlilik Belgesi ile Open Badges 2.0/3.0 uyumlu dijital rozet
verilir. Belge, TYÇ Seviye 6 / AYÇ
Seviye 6 düzeyinde 1 AKTS kavramsal
iş yüküyle yapılandırılmıştır. Belgelendirmenin
yanı sıra, yapay zekâ projelerinin somut sorularla değerlendirilmesine
yönelik beceriler kazandırılması hedeflenmektedir. Bir yatırım önerisinde
ihtiyacın netleştirilmesi, bulut tekliflerinde hizmet modelinin ve veri
egemenliği risklerinin değerlendirilmesi, yüz tanıma gibi uygulamalarda
risklerin ve gerekli önlemlerin belirlenmesi üzerinde durulmaktadır.
Hazırlanan uygulanabilirlik dosyasıyla, iş görüşmelerinde veya kurumsal
toplantılarda sunulabilecek somut bir çalışma ortaya konulmaktadır.
Kimler İçin?
- Mühendislik veya işletme bölümlerinde öğrenim gören son sınıf öğrencileri ile programa rahatlıkla uyum sağlayabilecek yönetim bilişim sistemleri, ekonomi ve iletişim bölümü öğrencileri
- Ürün, analiz, iş birimi veya proje rollerinde mesleki deneyimlerinin ilk üç yılını tamamlamış, ilk kez bir yapay zekâ projesinde yer alan ve veri bilimcilerle ortak bir dil geliştirmekte güçlük yaşayan genç profesyoneller
- Kendi işletmelerinde yapay zekâ kullanmak isteyen, ancak nereden başlayacağını bilmeyen küçük işletme sahipleri
- Teknik olmayan ekipleri yapay zekâ projelerine hazırlamak isteyen insan kaynakları birimleri
Ön Koşullar
- Programa katılım için ön koşul bulunmamaktadır. Programlama veya matematik bilgisi gerekmemekte, formül ve kod kullanılmamaktadır. Bilgisayarda bir tabloyu açıp sütunları inceleyebilecek düzeyde temel bilgisayar becerisi yeterli görülmektedir. Vaka çalışması ve bitirme çalışmasında, katılımcıların kendi işlerinden bir sorun seçmesine veya sunulan kurgusal vaka üzerinden çalışmasına olanak tanınmaktadır.
Bu Programda Neler Öğreneceksiniz? 6 kazanım
Programı başarıyla tamamlayan katılımcı…
-
Belirler
Bir sektörel sorunu büyük veri sürecinin adımları ve 6V özellikleri üzerinden çözümler. Verinin nereden geleceğini ve hangi özelliğin darboğaz olduğunu belirler.
2 sınav 2 ödev 1 modül -
Tartar
Bir büyük veri projesinde rolleri ve araç seçimini projenin ihtiyacına göre gerekçelendirir. Fırsat ile zorluğu gizlilik ve maliyet üzerinden tartar.
2 sınav 1 ödev 1 modül -
Gerekçelendirir
Bir kurum ya da proje için bulut hizmet modelini ve yayılım türünü fayda–risk dengesi ile veri egemenliği ihtiyacına göre seçer. Sağlayıcı seçimini gerekçelendirir.
2 sınav 1 ödev 1 modül -
Değerlendirir
Bir iş problemini yapay sinir ağı problem türüne eşler. Derin öğrenmenin o problem için uygun olup olmadığını veri miktarı ile açıklanabilirlik ihtiyacı üzerinden değerlendirir.
2 sınav 2 ödev 1 modül -
Değerlendirir
Bir sektör sorununa uygun yapay zekâ uygulama türünü seçer ve gerekçelendirir. Yüz tanıma gibi kişisel veri içeren uygulamalarda gizlilik, yanlılık ve hesap verebilirlik riskini KVKK ve AB Yapay Zekâ Yasası'nın risk sınıfları üzerinden değerlendirir.
2 sınav 1 ödev 1 modül -
Sunar
Dört katmanı bir sektör sorunu için tek bir uygulanabilirlik dosyasında birleştirir. Risk sınıfını, ölçüm planını ve karar gerekçesini yazılı olarak sunar.
1 sınav 1 ödev 5 modül
Kazanacağınız Yetkinlikler 8 yetkinlik · WEF Küresel Beceri Taksonomisi
Sürdürülebilir Kalkınma Hedeflerine Katkı 3 hedef
SKA 4
Nitelikli Eğitim
SKA 8
İnsana Yakışır İş ve Ekonomik Büyüme
SKA 9
Sanayi, Yenilikçilik ve Altyapı
Müfredat 5 modül · 46 ders
Toplam yaklaşık 22,5 saat içerik
Büyük veri analitiği ve yönetimi, sorunun tanımlanmasıyla başlayan bir döngü çerçevesinde ele alınmaktadır. Verilerin ayıklanması, temizlenmesi, maskelenmesi ve saklanmasından bilgisayar kümesi üzerinde analiz edilmesine, model oluşturulmasına ve sonuçların görselleştirilmesine kadar süreç adımları açıklanmaktadır. Nitel ve nicel, yığın ve akan, yapısal ve yapısal olmayan veri türleri karşılaştırılmaktadır. Büyük verinin 6V boyutu olan hacim, çeşitlilik, hız, değer, doğruluk ve değişkenlik üzerinden, süreçte darboğaz oluşturan unsurların nasıl belirlenebileceği incelenmektedir. Büyük verinin sunduğu fırsatlar ve karşılaşılan zorluklarla birlikte veri bilimcinin rolü açıklanmakta; Hadoop’tan MongoDB’ye farklı araçlar tanıtılmaktadır. Tufte’ın veri-mürekkep oranı ilkesi üzerinden etkili görselleştirme ele alınmakta, popüler kültür örnekleriyle doğru verinin seçilmesinin önemi vurgulanmaktadır.
Bulut bilişim, NIST tanımı ve kaynakların hizmet olarak kiralanması çerçevesinde açıklanmakta, veri merkezlerinin konumlandırılması ve yedeklilik, SaaS, PaaS ve IaaS hizmet modelleri, sanallaştırma ve dört yayılım modeli ele alınmaktadır. Model seçimi, kurumsal gereksinimler, esneklik, maliyet, güvenlik ve sağlayıcıya bağımlılık açısından değerlendirilmektedir. Sağlayıcıların hizmet ve fiyatlandırma farklılıkları ile yapay zekâ projelerinde GPU kiralama ve modellerin hizmet olarak sunulması incelenmektedir.
Yapay sinir ağlarının yapısı, biyolojik nöron benzetimi ve ağırlıkların rolü üzerinden açıklanmaktadır. Doğrusal ve doğrusal olmayan problemler, kira tahmini ve XOR örnekleriyle karşılaştırılmakta; gizli katmanlar, ileri ve geri yayılım, hata eşiği ve momentum ele alınmaktadır. Öğrenme kapasitesi ve paralel hesaplama olanakları, donanım gereksinimleri ve açıklanabilirlik sınırlılıklarıyla birlikte değerlendirilmektedir. Yapay zekânın tarihsel gelişimi ve derin öğrenmede öznitelik çıkarımı incelenmekte; yöntem seçimi veri miktarı, veri türü, açıklanabilirlik ve maliyet açısından tartışılmaktadır.
Biyolojik görme ile bilgisayarlı görü arasındaki benzerlikler ve yüz tanımada geleneksel yöntemlerden derin öğrenmeye geçiş ele alınmaktadır. GPU, açık kaynak ve verinin dönüşümdeki rolü; doğal dil işleme, dijital iz ve dijital ikiz kavramlarıyla birlikte incelenmektedir. Sağlık, tarım, savunma ve ulaştırma uygulamaları, otonom sistemlerde sorumluluk, KVKK kapsamında biyometrik veriler ve AB Yapay Zekâ Yasası’nın risk sınıfları değerlendirilmektedir.
Beş modülü bütünleştiren 20 soruluk genel sınav ve bir kurum için yapay zekâ ve veri karar raporu (bitirme vakası).
Nasıl İlerliyor? 4 adım
- 1 Kaydolun Ödemenizi tamamlayın, programa erişiminiz anında açılsın.
- 2 Modülleri tamamlayın Videoları izleyin, okuma parçalarını bitirin; ilerlemeniz kendiliğinden kaydedilsin.
- 3 Değerlendirmeyi geçin Sınav ve ödevlerde %70 başarıya ulaşın.
- 4 Sertifikanızı alın QR kodlu, doğrulanabilir dijital sertifikanızı indirin ve LinkedIn profilinize ekleyin.
Belgelendirme
aşağıda tanımlı mikro yeterlilik programını, öngörülen öğrenme çıktılarını ve ölçme–değerlendirme koşullarını yerine getirerek başarıyla tamamlamıştır.
Veri Analitiğine Giriş
Görsel temsilidir; alan adları gerçek belgeyle aynıdır.
Belgeniz ne işe yarar?
- Yükseköğretim Kurulu'nun mikro yeterlilik belgelerinde zorunlu tuttuğu 11 unsurun tamamını içerir.
- QR kod ve doğrulama koduyla anında teyit edilir; öğrenci işleri de işvereniniz de geçerliliğini görebilir.
- 1 AKTS karşılığı belgenin üzerinde yazar; üniversitenizin senatosu bu değeri transkriptinize işleyebilir.
- LinkedIn profilinize ekleyerek kazanımınızı doğrulanabilir biçimde paylaşabilirsiniz.
Hemen başlayın
Emeğiniz akademik krediye dönüşsün: kısa, ölçülebilir ve belgelenebilir öğrenme.