Bu ders, mühendislik ve bilimsel disiplinlerde üretken yapay zekânın (Generative Artificial Intelligence – GenAI) bir araştırma destek aracı olarak pratik kullanımını kapsamakta ve özellikle uygulamalı çalışmalara güçlü bir vurgu yapmaktadır. Ders kapsamında, büyük dil modelleri, çok modlu modeller ve yapay zekâ destekli geliştirme ortamları gibi modern üretken yapay zekâ sistemlerinin gerçek araştırma iş akışları içerisindeki yetenekleri, sınırlılıkları ve etkin kullanım yöntemleri tanıtılmaktadır.
Ders içeriğinde uygulamalı prompt mühendisliği, yapay zekâ destekli literatür taraması, otomatik bilgi sentezi ve üretken yapay zekâ araçları kullanılarak araştırma probleminin formüle edilmesi gibi konular yer almaktadır. Öğrenciler, araştırma yaşam döngüsünün önemli aşamalarında yapay zekânın nasıl entegre edilebileceğini inceleyeceklerdir. Bu kapsamda kod geliştirme desteği, deneysel prototipleme, veri önişleme, sentetik veri üretimi ve teknik dokümantasyon süreçleri ele alınacaktır.
Ayrıca, retrieval-augmented generation (RAG) yaklaşımlarının pratik uygulanması ve mühendislik ile hesaplamalı araştırma alanlarında alan-özgü yapay zekâ araçlarının kullanımı da ders kapsamında değerlendirilecektir.

Ders Amaçları

Bu dersin temel amacı, araştırmacılara mühendislik ve bilimsel araştırma ortamlarında üretken yapay zekâ (Generative Artificial Intelligence – GenAI) teknolojilerinin etkin kullanımına yönelik uygulamalı ve araştırma odaklı yetkinlikler kazandırmaktır. Ders, üretken yapay zekânın lisansüstü araştırma sürecine nasıl sistematik biçimde entegre edilebileceğine odaklanarak teorik bilgi ile gerçek dünya uygulamaları arasında bir köprü kurmayı hedeflemektedir. Dersin bir diğer önemli amacı, araştırmacıların literatür taraması, araştırma probleminin tanımlanması, kod geliştirme, deney tasarımı ve yürütülmesi, veri işleme ve teknik raporlama gibi temel araştırma faaliyetlerini desteklemek amacıyla modern üretken yapay zekâ araçlarını etkin biçimde kullanabilmelerini sağlamaktır. Bu doğrultuda ders, yapay zekâ destekli yöntemler aracılığıyla öğrencilerin tez ve proje çalışmalarında kullandıkları araştırma süreçlerini doğrudan geliştirecek uygulamaya yönelik becerilerin kazandırılmasını hedeflemektedir. Ayrıca ders, üretken yapay zekâ teknolojilerinin mühendislik ve doğa bilimleri içerisindeki farklı araştırma alanlarına nasıl uyarlanabileceğini göstererek disiplinlerarası problem çözme yetkinliğini geliştirmeyi amaçlamaktadır. Ders kapsamında özellikle uygulamalı araç kullanımı, tekrarlanabilir deney tasarımı ve uçtan uca yapay zekâ destekli araştırma iş akışlarının geliştirilmesi üzerinde durulmaktadır.

Ders Kaynakları

Raschka, S. (2024). Build a Large Language Model (From Scratch). Manning Publications.

Foster, D. (2022). Generative Deep Learning (2nd ed.). O’Reilly Media.

Prince, S. J. D. (2023). Understanding Deep Learning. MIT Press.

Planlanan Öğrenme Etkinlikleri ve Öğretim Yöntemleri

Ders, teori yoğun anlatım yerine uygulamaya dayalı öğrenmeyi önceliklendiren uygulama odaklı ve proje temelli bir öğretim yöntemiyle yürütülecektir. Üretken yapay zekâya ilişkin temel kavramları tanıtmak amacıyla kısa kavramsal ders anlatımları yapılacak, ardından öğrencilerin mühendislik ve bilimsel araştırma alanlarında gerçek araştırma görevleri üzerinde yapay zekâ araçlarını aktif olarak kullandıkları kapsamlı uygulama oturumları gerçekleştirilecektir.
Öğrenme etkinlikleri kapsamında yönlendirilmiş uygulamalı laboratuvar çalışmaları, canlı gösterimler ve büyük dil modelleri, retrieval-augmented sistemler, çok modlu yapay zekâ araçları ve yapay zekâ destekli kodlama ortamlarının kullanımına odaklanan araç temelli atölye çalışmaları yer alacaktır. Öğrenciler, yapay zekâ destekli literatür taraması, araştırma problemi oluşturma, deneysel prototipleme, veri işleme ve teknik rapor üretimi gibi etkinlikleri modern üretken yapay zekâ platformlarını kullanarak sınıf içi yapılandırılmış uygulamalar aracılığıyla gerçekleştireceklerdir.
Ders süresince mühendislik, doğa bilimleri ve hesaplamalı araştırma alanları gibi farklı araştırma alanlarında üretken yapay zekânın nasıl kullanılabileceğini göstermek amacıyla disiplinlerarası vaka çalışmaları ele alınacaktır. Etkileşimli tartışmalar ve problem temelli öğrenme etkinlikleri, öğrencilerin üretken yapay zekâ araçlarını kendi bilimsel araştırma konularına ve alanlarına özgü araştırma ihtiyaçlarına uyarlamalarını teşvik edecektir.

Notlandırma

Ödevler (2): %20
Proje: %20
Vize: %20
Final: %40

Ders Öğrenme Çıktıları

Bu dersi başarıyla tamamlayan öğrenciler:

• Mühendislik ve bilimsel alanlarda araştırma ve problem çözme süreçlerini desteklemek amacıyla en güncel üretken yapay zekâ araçlarını ve çerçevelerini (örneğin büyük dil modelleri, çok modlu modeller ve yapay zekâ geliştirme ortamları) etkin biçimde kullanabilir.
• Literatür taraması, veri analizi, deney tasarımı ve yürütülmesi, kod geliştirme ve teknik dokümantasyon süreçlerine üretken yapay zekâyı entegre eden, pratik ve yapay zekâ destekli araştırma iş akışlarını tasarlayabilir ve uygulayabilir.
• Modelleme, simülasyon desteği, veri işleme ve araştırma prototipleme gibi alan-özgü görevlere yapay zekâ araçlarını uyarlayarak, disiplinlerarası araştırma problemlerine üretken yapay zekâ tekniklerini uygulayabilir.
• Üretken yapay zekâyı lisansüstü düzeyde araştırmalarda sorumlu, etik ve şeffaf bir şekilde kullanabilir; akademik dürüstlüğü gözeterek yapay zekâ destekli yöntemlerin uygun biçimde belgelenmesini sağlayabilir.