MTH4800 Innovation Campus Artificial Intelligence (Samsung) Syllabus

Ders İçeriği

1. Hafta (24 Şubat): İleri Teknolojilerin Sürdürülebilir Kalkınma Amaçlarına (SDG’ler) Katkısı ve Yapay Zekânın Günümüzdeki Durumu
2. Hafta (3 Mart): Yapay Zekâ Projesine Başlangıç, Proje Fikri Geliştirme ve Literatür Taraması - Python Temelleri (Proje Grubu Kurulumu)
3. Hafta (10 Mart): Veri Hazırlama ve Özellik Mühendisliği (Ödev)
4. Hafta (17 Mart): Git/GitHub Kullanımı
5. Hafta (24 Mart): Veri ve Veri Toplama Temelleri
6. Hafta (31 Mart): Sürdürülebilir Kalkınma Amaçlarında Veri Nasıl Elde Edilir (Ödev)
7. Hafta (7 Nisan)): Docker ile Konteynerleştirme (Containerization)
8. Hafta (14 Nisan): Midterm Exams
9. Hafta (21 Nisan): Coğrafi Bilgi Sistemleri (GIS)
10. Hafta (28 Nisan): Makine Öğrenmesi ve Yapay Zeka (Ödev)
11. Hafta (5 Mayıs): Doğal Dil İşleme (Deployment)
12. Hafta (12 Mayıs): Bulut (Cloud) Üzerinde Model Yayınlama
13. Hafta (19 Mayıs): Resmî Tatil (Atatürk’ü Anma, Gençlik ve Spor Bayramı)
14. Hafta (26 Mayıs): Derin Öğrenme
15. Hafta (2 Haziran): Final Sunumları

Ders için gerekli ön koşul

• Programlama bilgisi (Python tercih edilir)
• Temel istatistik ve veri bilimi bilgisi
• Yapay Zekâ (AI), Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) alanlarında ders almış olmak

Dersin gereklilikleri:

• %80 katılım zorunluluğu
• 3 Ödev (Her biri %10)
• Final sınavı (%40)
• Ara sınav (%30)

Syllabus

Week 1 (February 24): The Role of Frontier Technologies in Achieving SDGs 

Week 2 (March 3): Introduction to Python Starting 

Week 3 (March 10): Explotorary Data Analysis 

Week 4 (March 17): Git/GitHub

Week 5 (March 24): Data and Data Collection 

Week 6 (March 31): Data for SDG 

Week 7 (April 7): Docker Containerization

Week 8 (April 14): Midterm Exams

Week 9 (April 21): GIS 

Week 10 (April 28): Machine Learning 

Week 11 (May 5): NLP and Text Analysis

Week 12 (May 12): Cloud Deployment

Week 13 (May 19): Holiday

Week 14 (May 26): Deep Learning

Week 15 (Jun 2): Final Presentations

Prerequisites

• Programming knowledge (Python preferred)
• Basic knowledge of statistics and data science
• Prior coursework in Artificial Intelligence (AI), Machine Learning (ML), and Deep Learning (DL)

Course Requirements & Grading

• Attendance: Minimum 80% required
• Assignments: 3 assignments (Each worth 10%)
• Midterm Exam: 30%
• Final Exam: 40%