Ders Adı Yeni Nesil Otomobillerde Yapay Zeka
Ders Kodu OTO-3230
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Ön Lisans
Yıl 2
Dönem 3.Yarıyıl
AKTS 3
Dersi Veren(ler) Öğr. Gör. Zeynep KOYUN
Dersin Yardımcıları
Ders İşleme Biçimi Yüz Yüze
Önkoşul Dersleri
Dersin İçeriği Temel Kavramlar, Otonom Araçlara Giriş, Sensörler ve Veri, Yapay Zeka ve Otomotiv Üretiminde Kullanımı, Otonom Araçlarda Yapay Zeka ve Karar Verme Süreçleri, Otonom Araçlarda İletişim Sistemleri, Otonom Araçlarda Güvenlik ve Sistemleri, Yapay Zeka Etiği ve Hukuki Düzenlemeler
Dersin Verildiği Diller Türkçe
Dersin Amacı Otomotiv sektöründe yapay zekanın nasıl kullanıldığını ve geliştirilmekte olan teknolojilerin öğrencilere kazandırılması.
Ders Yapısı
Temel/Alana Özgü Mesleki Dersler 60
Uzmanlık/Program Dersi 0
Destek Dersi 0
Beceri,İletişim ve Yönetim Becerileri Dersi 20
Aktarılabilir Beceri Dersi 20
Matematik ve Temel Bilimler 0
Temel Eğitim 0
Ders İşleme Şekli
Sınıf Dersi 100
Sınıf Dersi açıklama 2
Problem Saati 0
Problem Saati Açıklama 0
Laboratuvar 0
Laboratuvar Açıklama 0
Diğer 0
Diğer Açıklama 0
No Dersin Kazanımları  
1 Otonom araçların temel kavramlarını ve bu teknolojilerin gelişimini tarihsel ve teknik bir bağlamda açıklayabilir.
2 Otonom araçların sensör ve veri toplama sistemlerinin çalışma prensiplerini analiz edebilir.
3 Yapay zekanın otomotiv üretim süreçlerindeki rolünü ve uygulamalarını tanımlayabilir.
4 Otonom araçlarda yapay zeka destekli karar verme süreçlerinin modellerini değerlendirebilir.
5 Otonom araçlar arasında ve altyapıyla olan iletişim sistemlerini (V2X) açıklayabilir ve bu sistemlerin önemini kavrayabilir.
6 Otonom araçlarda güvenlik sistemlerinin, siber güvenlik ve yolcu güvenliği açısından gerekliliklerini açıklayabilir.
7 Yapay zeka tabanlı otonom sistemlerde etik ve hukuki sorunları analiz edebilir.
8 Otonom sürüş algoritmalarını ve karar verme süreçlerini geliştirmek için kullanılan yöntemleri uygulayabilir.
DERSİN KAZANIMLARI / PROGRAM YETERLİKLERİ İLİŞKİ MATRİSİ
DKPÇ1PÇ2PÇ3PÇ4PÇ5PÇ6PÇ7PÇ8PÇ9PÇ10PÇ11PÇ12PÇ13PÇ14PÇ15PÇ16
1
2
3
4
5
6
7
8
9
10
5-Çok Yüksek İlişkili 4- Yüksek İlişkili 3-Orta İlişkili 2- Zayıf İlişkili 1-İlişkisiz
Hafta Konular  
1 Giriş ve Temel Kavramlar
  Ön Hazırlık: OBS'deki 1.hafta dökümanları
2 Otonom Araçlara Giriş
  Ön Hazırlık: OBS'deki 2.hafta dökümanları
3 Sensörler ve Veri
  Ön Hazırlık: OBS'deki 3.hafta dökümanları
4 Yapay Zeka ve Otomotiv Üretiminde Kullanımı
  Ön Hazırlık: OBS'deki 4.hafta dökümanları
5 Otonom Araçlarda Yapay Zeka ve Karar Verme Süreçleri
  Ön Hazırlık: OBS'deki 5.hafta dökümanları
6 Otonom Araçların Algılama Teknolojileri ve Sensörler
  Ön Hazırlık: OBS'deki 6.hafta dökümanları
7 Otonom Araçlarda Yol Planlama ve Şerit Takibi
  Ön Hazırlık: OBS'deki 7.hafta dökümanları
8 Otonom Araçlarda Karar Verme ve Kontrol Sistemleri
  Ön Hazırlık: OBS'deki 8.hafta dökümanları
9 Otonom Araçlarda İletişim Sistemleri (V2V, V2X, V2I)
  Ön Hazırlık: OBS'deki 9.hafta dökümanları
10 Otonom Araçlarda Güvenlik ve Güvenlik Sistemleri
  Ön Hazırlık: OBS'deki 10.hafta dökümanları
11 Otonom Araçlar İçin Yapay Zeka Etiği ve Hukuki Düzenlemeler
  Ön Hazırlık: OBS'deki 11.hafta dökümanları
12 Otonom Araçların Ekonomik Etkileri ve Toplumsal Değişim
  Ön Hazırlık: OBS'deki 12.hafta dökümanları
13 Otonom Araçlar ve Veri Yönetimi
  Ön Hazırlık: OBS'deki 13.hafta dökümanları
14 Otonom Araçlar ve Veri Yönetimi
  Ön Hazırlık: OBS'deki 14.hafta dökümanları
No Program Çıktısı Katkı Düzeyi
1 Mesleği ile ilgili temel, güncel ve uygulamalı bilgilere sahip olur. 5
2 İş sağlığı ve güvenliği, çevre bilinci ve kalite süreçleri hakkında bilgi sahibi olur. 1
3 Mesleği için güncel gelişmeleri ve uygulamaları takip eder, etkin şekilde kullanır. 1
4 Mesleği ile ilgili bilişim teknolojilerini (yazılım, program, animasyon vb.) etkin kullanır. 1
5 Mesleki problemleri ve konuları bağımsız olarak analitik ve eleştirel bir yaklaşımla değerlendirme ve çözüm önerisini sunabilme becerisine sahiptir. 1
6 Bilgi ve beceriler düzeyinde düşüncelerini yazılı ve sözlü iletişim yolu ile etkin biçimde sunabilir, anlaşılır biçimde ifade eder. 1
7 Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülmeyen karmaşık sorunları çözmek için ekip üyesi olarak sorumluluk alır. 1
8 Kariyer yönetimi ve yaşam boyu öğrenme konularında farkındalığa sahiptir. 1
9 Alanı ile ilgili verilerin toplanması, uygulanması ve sonuçlarının duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere sahiptir. 1
10 Bir yabancı dili kullanarak alanındaki bilgileri takip eder ve meslektaşları ile iletişim kurar. 1
11 Otto-dizel motor teknolojileri ve güç aktarma organlarını açıklar ve alanı ile ilgili matematiksel hesaplamaları yapar. 1
12 İçten yanmalı motorların montaj ve demontaj işlemlerini yapar. 1
13 Otomotiv elektriği ve elektroniğini açıklar. 1
14 Otomotiv parçalarının bilgisayar destekli çizimini yapar. 1
15 Mesleki Uygulama Deneyimi: Öğrencilerin, iş yeri ortamında teorik bilgilerini pratiğe aktarma, iş hayatının dinamiklerini anlama ve mesleki sorumluluklarını geliştirme becerisi kazanır. 1
16 Atatürk İlkeleri ve İnkılap Tarihi, Türk Dili ve İngilizce gibi zorunlu dersler aracılığıyla, öğrencilerin tarihi, kültürel, dilsel ve evrensel değerlere dair farkındalık kazanması; eleştirel düşünme ve küresel ölçekte etkileşim becerilerini geliştirir. 1
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 100
Kısa Sınav 0 0
Ödev 0 0
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 0 0
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
Sözlü sınav 0 0
Portfolyo 0 0
Doküman İncelemesi 0 0
Performans değerlendirme 0 0
Sunum 0 0
Alan Çalışması 0 0
Vaka Çalışması 0 0
Video Kaydı 0 0
Öz değerlendirme 0 0
Akran Değerlendirme 0 0
Eşleştirme Testleri 0 0
Çoktan seçmeli test 0 0
Kısa Cevaplı test 0 0
Kontrol listeleri 0 0
Dereceleme Ölçekleri 0 0
Zihin Haritalama 0 0
Araştırma yazısı 0 0
Çevrimiçi anket 0 0
Çevrimiçi Kısa sınav 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 14 3 42
Sınıf Dışı Ders Çalışma Süresi 14 3 42
Ödevler 0 0 0
Sunum/Seminer 0 0 0
Proje 0 0 0
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Kısa Sınav 0 0 0
Araştırma 0 0 0
Rapor Yazma/Rapor sunumu 0 0 0
Vaka İncelemesi 0 0 0
Staj 0 0 0
Uygulama/Materyal Hazırlama 0 0 0
Tez Çalışması 0 0 0
Ara Sınavlar 0 0 0
Yarıyıl Sonu Sınavı 0 0 0
İşyükü Saati (30) 0
Toplam İşyükü / Saat 84    
Dersin Akts Kredisi 3    
Ders Notu 1) https://www.researchgate.net/profile/Mehmet-Tektas/publication/340935477_Otomotivde_Yapay_Zeka_Teknolojileri/links/5ea5ec4f92851c1a90728b65/Otomotivde-Yapay-Zeka-Teknolojileri.pdf
Diğer Kaynaklar 1) https://www.researchgate.net/profile/Mehmet-Tektas/publication/340935477_Otomotivde_Yapay_Zeka_Teknolojileri/links/5ea5ec4f92851c1a90728b65/Otomotivde-Yapay-Zeka-Teknolojileri.pdf
Materyal
Dökümanlar 1) https://www.researchgate.net/profile/Mehmet-Tektas/publication/340935477_Otomotivde_Yapay_Zeka_Teknolojileri/links/5ea5ec4f92851c1a90728b65/Otomotivde-Yapay-Zeka-Teknolojileri.pdf
Ödevler
Sınavlar
Materyal Diğer
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri











Course Weekly Schedules
Hafta 1 .Hafta
Konu
Haftalık Kapsam ve Hedefler Bu hafta, yapay zekânın temellerine ve insan zekâsını taklit eden sistemlerin farklı türlerine odaklanılacaktır. Turing Testi ile makinelerin zekâsı üzerine yapılan ilk tartışmalardan, yapay zekânın günümüzdeki kullanım alanlarına kadar geniş bir yelpazeye değinilecektir. Ayrıca, yapay zekâ türleri olan dar yapay zekâ, genel yapay zekâ ve süper yapay zekâ arasında yapılan tanımlamalar ve bu türlerin potansiyel uygulamaları ele alınacaktır. Haftanın sonunda, yapay zekânın farklı sektörlerdeki kullanım alanları ve bunların topluma etkileri üzerinde durulacaktır.
Yapay Zekâ ve İnsan Zekâsı Arasındaki Farkı Anlamak: Yapay zekâ ile insan zekâsı arasındaki benzerlik ve farkları anlamak, Turing Testi’nin önemini kavramak.
Yapay Zekâ Türlerini Tanımlamak: Dar yapay zekâ, genel yapay zekâ ve süper yapay zekâ türlerini tanımak ve bu türlerin potansiyel kullanım alanlarını öğrenmek.
Yapay Zekânın Uygulama Alanlarını İncelemek: Yapay zekânın sağlık, tarım, finans, otomotiv gibi farklı sektörlerde nasıl kullanıldığını ve bu alanlardaki gelişmeleri anlamak.
Yapay Zekâ Uygulamalarının Toplumsal Etkilerini Değerlendirmek: Yapay zekânın günlük hayata, iş gücüne ve toplumsal yapıya olan etkilerini tartışmak.
Yapay Zeka Kullanım Alanlarını Görselleştirmek: Bilgisayarlı görü, ses işleme, metin işleme gibi yapay zekâ alt alanlarını örneklerle açıklamak ve bu teknolojilerin işlevlerini anlamak.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler, yapay zekânın uygulama alanlarını sağlık, tarım, finans ve otomotiv gibi sektörler özelinde inceleyecek, bu teknolojilerin günlük hayattaki etkilerini daha iyi kavrayacaklar. Ayrıca, yapay zekâ alt alanları olan bilgisayarlı görü, ses işleme ve metin işleme teknolojilerini örneklerle açıklayarak bu teknolojilerin nasıl işlediğini öğrenecekler. Haftanın sonunda, yapay zekânın toplum üzerindeki toplumsal etkileri üzerinde derinlemesine tartışmalar yapacaklar.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 2 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçların tanımı ve temel bileşenleri.
Otonom araçların çalışma prensipleri: Sensörler, yapay zekâ ve makine öğrenmesi.
Otonom araç seviyeleri (SAE seviyeleri).
Otonom araçların tasarımı ve mühendislik gereksinimleri.
Otonom araçlarda kullanılan teknolojiler: LiDAR, radar, kameralar, GPS, ve diğer sensörler.
Otonom araçların güvenliği, etik sorunlar ve yasal düzenlemeler.
Otonom araçların temel prensiplerini anlamak ve bu araçların tasarımında kullanılan bileşenleri öğrenmek.
Otonom araçların teknolojik alt yapısını kavrayarak, sensörlerin ve yapay zekâ sistemlerinin nasıl entegre çalıştığını anlamak.
Otonom araçların güvenlik ve etik sorunlarına dair bilgi edinmek.
Otonom araç seviyeleri arasındaki farkları ve her seviyenin gereksinimlerini öğrenmek.
Otonom araçların günlük hayata entegrasyonunu ve potansiyel toplumsal etkilerini değerlendirebilmek.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler otonom araçların toplumsal etkilerini değerlendirerek, bu teknolojilerin günlük yaşamımıza entegrasyonuna dair fikir sahibi olacaklardır.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 3 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlarda kullanılan sensörlerin türleri ve işlevleri (LiDAR, radar, kameralar, ultrasonik sensörler, GPS).
Sensörlerin veri toplama süreçleri ve bu verilerin nasıl işlenip analiz edildiği.
Sensör verilerinin entegrasyonu ve sensör fusion (sensör birleştirme) yöntemleri.
Sensörlerin doğruluk, menzil ve çözünürlük gibi performans özellikleri.
Sensörlerin otonom araçlar için önemi ve güvenlik, çevre algılama, yol izleme gibi işlevlerdeki rolü.
Otonom araçlarda kullanılan çeşitli sensörlerin fonksiyonlarını ve uygulamalarını öğrenmek.
Sensörlerden elde edilen verilerin işlenmesi ve analiz edilmesi sürecini anlamak.
Sensör verilerinin birleştirilerek doğru bir çevre algılama ve karar verme süreci sağlanmasını kavramak.
Sensörlerin doğruluk ve güvenilirliğinin araçların performansını nasıl etkilediğini anlamak.
Otonom araçlar için sensör teknolojilerinin gelecekteki gelişimi ve potansiyel yenilikler hakkında bilgi edinmek.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Otonom araçlarda kullanılan sensörlerin türleri ve işlevleri üzerine yoğunlaşılacaktır. LiDAR, radar, kameralar, ultrasonik sensörler ve GPS gibi sensörlerin araçlardaki rolü, çevre algılama, yol izleme ve güvenlik gibi kritik işlevlerdeki katkıları tartışılacaktır. Ayrıca, sensörlerden elde edilen verilerin nasıl toplandığı, işlendiği ve analiz edildiği süreçler üzerine uygulamalar yapılacaktır. Öğrenciler, sensör verilerinin entegrasyonu ve sensör fusion yöntemlerini öğrenerek, birden fazla sensörden elde edilen verilerin doğru bir çevre algılama ve karar verme süreci için nasıl birleştirildiğini kavrayacaklardır. Performans özellikleri, doğruluk, menzil ve çözünürlük gibi faktörlerin araçların genel performansı üzerindeki etkileri analiz edilecek ve gelecekteki gelişmeler hakkında bilgi verilecektir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 4 .Hafta
Konu
Haftalık Kapsam ve Hedefler Bu konu, yapay zekânın otomotiv üretimindeki rolünü ve uygulamalarını kapsamaktadır. Özellikle üretim süreçlerinde yapay zekâ tabanlı teknolojilerin nasıl kullanıldığı ve bu teknolojilerin üretim verimliliği, maliyet azaltma ve kalite kontrol üzerindeki etkileri ele alınacaktır. Konu, otomasyon sistemleri, robotik, tahmine dayalı bakım, veri analitiği, süreç optimizasyonu ve üretim hattı iyileştirme gibi yapay zekâ uygulamalarına odaklanır. Ayrıca, yapay zekâ teknolojilerinin üretim süreçlerine entegrasyonu ve bu süreçlerin mühendislik perspektifinden nasıl geliştirildiği de incelenecektir.
Yapay Zekânın Temellerini Anlamak:
Öğrenciler, yapay zekânın temel kavramlarını ve otomotiv üretiminde nasıl kullanıldığını öğrenir.

Üretim Süreçlerinde Yapay Zekâ Uygulamalarını İncelemek:

Robotik üretim sistemlerinin işleyişini ve yapay zekâ ile nasıl optimize edilebileceğini öğrenmek.
Tahmine dayalı bakım uygulamalarının üretim hatlarındaki önemini kavramak.
Kalite Kontrol ve Hata Tespiti:
Yapay zekâ algoritmalarının üretim hattında kalite kontrol ve hata tespiti süreçlerini nasıl iyileştirdiğini anlamak.

Veri Analitiği ve Karar Destek Sistemleri:

Öğrenciler, büyük veri analitiğinin üretim hatlarında süreç optimizasyonu için nasıl kullanıldığını öğrenir.
Üretim süreçlerindeki karar destek sistemlerini incelemek.
Süreç Optimizasyonu ve Verimlilik:

Öğrenciler, yapay zekâ ile üretim süreçlerinin nasıl daha verimli hale getirilebileceğini öğrenir.
Kaynak kullanımını optimize etme ve maliyetleri azaltma stratejilerini öğrenmek.
Uygulamalı Deneyim Kazanmak:
Yapay zekâ tabanlı üretim süreçlerini simülasyonlar ve uygulamalı projeler aracılığıyla deneyimlemek.

Gelecek Teknolojilere Hazırlık:
Öğrenciler, yapay zekâ teknolojilerinin otomotiv üretimindeki gelecekteki yeniliklerini ve gelişme potansiyelini öğrenerek sektörel farkındalık kazanır.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler, üretim hattında yapay zekâ ile süreç optimizasyonu ve hata tespiti gibi uygulamaları öğrenerek, yapay zekânın verimlilik ve maliyet düşürmedeki katkılarını kavrayacaktır. Ayrıca, makine öğrenmesi ve veri analitiği kullanılarak üretim süreçlerinde alınan kararların nasıl iyileştirildiği örneklerle açıklanacaktır. Uygulamalı etkinliklerde, öğrenciler yapay zekâ algoritmalarını simülasyon ortamlarında deneyimleyerek, üretim hatları için yenilikçi çözümler geliştirme becerisi kazanacaklardır.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 5 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlarda yapay zekâ teknolojilerinin karar verme süreçlerindeki rolünü kapsamaktadır. Yapay zekâ algoritmalarının, sensörlerden gelen verileri analiz ederek çevre algılama, yol planlama ve eylem seçimi süreçlerini nasıl yönettiği incelenecektir. Ayrıca, derin öğrenme, güçlendirmeli öğrenme ve karar destek sistemlerinin otonom araçlar için optimize edilmesi ele alınacaktır. Konu, otonom araçların güvenliği, etik sorumlulukları ve beklenmeyen durumlarda nasıl kararlar verdiği gibi kritik noktaları da içerir.
Yapay Zekâ Tabanlı Karar Verme Süreçlerini Anlamak:

Öğrenciler, yapay zekâ algoritmalarının otonom araçlarda çevreyi algılamak, analiz etmek ve uygun kararları almak için nasıl kullanıldığını öğrenir.
Algılama ve Yol Planlama Sistemlerini İncelemek:

Sensörlerden gelen verilerin analiz edilmesi ve bu verilerle yol planlama, hız ayarlama gibi süreçlerin nasıl optimize edildiğini anlamak.
Karar Verme Algoritmalarını Öğrenmek:

Derin öğrenme, güçlendirmeli öğrenme ve sezgisel algoritmaların otonom araçlarda karar verme süreçlerinde nasıl uygulandığını öğrenmek.
Durumsal farkındalık ve gerçek zamanlı karar verme süreçlerini kavramak.
Güvenlik ve Etik Sorunları İncelemek:

Otonom araçların, çarpışma gibi kritik senaryolarda etik ve güvenlik kararlarını nasıl aldığını öğrenmek.
Yapay zekâ tabanlı kararların güvenlik standartlarına uygunluğunu değerlendirmek.
Gerçek Hayat Uygulamalarını Anlamak:

Otonom araçların gerçek zamanlı trafik durumlarında ve beklenmeyen olaylarda nasıl karar verdiğini analiz etmek.
Karar Verme Süreçlerinin Performansını Değerlendirmek:

Yapay zekâ algoritmalarının doğruluk, hız ve güvenilirlik gibi performans kriterlerini değerlendirme becerisi kazanmak.
Simülasyon ve Uygulama:

Otonom araçlarda kullanılan yapay zekâ karar verme sistemlerini simülasyonlar veya uygulamalı projelerle deneyimlemek.
Gelecekteki Teknolojilere Hazırlık:

Öğrenciler, otonom araçlardaki yapay zekâ ve karar verme teknolojilerinin gelecekteki gelişimlerini ve olası yeniliklerini keşfederek sektörel bilgi edinir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Uygulamalar aracılığıyla öğrenciler, otonom araçların trafik senaryolarında ve beklenmeyen durumlarda nasıl karar verdiğini deneyimleyeceklerdir. Çarpışma önleme gibi kritik güvenlik kararları üzerinde durulacak, bu kararların etik boyutları tartışılacaktır. Haftanın sonunda, öğrencilerin gerçek veri ile çalışan bir simülasyon üzerinden otonom araçların karar verme sürecini analiz etmeleri ve performans değerlendirmesi yapmaları beklenmektedir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 6 .Hafta
Konu
Haftalık Kapsam ve Hedefler Bu konu, otonom araçlarda kullanılan algılama teknolojilerinin ve sensörlerin işlevlerini kapsamaktadır. Öğrenciler, LiDAR, radar, kamera, ultrasonik sensörler ve GPS gibi sensör türlerini ve bu sensörlerin çevre algılama, yol izleme, nesne tanıma ve güvenlik sağlama gibi işlevlerini inceleyecektir. Sensör verilerinin birleştirilmesiyle (sensör füzyonu) otonom araçların doğru kararlar almasını sağlayan teknolojiler de detaylı şekilde ele alınacaktır. Ayrıca, algılama teknolojilerinin sınırlamaları, performans kriterleri (doğruluk, menzil, çözünürlük) ve otonom sürüş sistemleri üzerindeki etkileri değerlendirilecektir.
Algılama Teknolojilerinin Temellerini Öğrenmek:
Öğrenciler, otonom araçlarda kullanılan algılama teknolojilerinin çalışma prensiplerini ve işlevlerini öğrenir.

Sensör Türlerini ve Kullanım Alanlarını Tanımak:
LiDAR, radar, kameralar, ultrasonik sensörler ve GPS gibi algılama cihazlarının ne işe yaradığını ve hangi koşullarda kullanıldığını kavrar.

Sensör Verilerini Anlamak ve İşlemek:
Öğrenciler, sensörlerden gelen verilerin nasıl toplandığını, işlendiğini ve analiz edilerek karar verme süreçlerine entegre edildiğini öğrenir.

Sensör Füzyonunun Önemi:
Birden fazla sensörden gelen verilerin birleştirilerek daha doğru ve güvenilir çevre algılama sağlanmasını kavrar.

Performans ve Güvenlik Değerlendirmesi Yapmak:
Sensörlerin doğruluk, menzil ve çözünürlük gibi özelliklerini değerlendirir ve bu özelliklerin araç güvenliği üzerindeki etkilerini anlar.

Gelecekteki Sensör Teknolojilerini Keşfetmek:
Otonom araçlarda kullanılan algılama teknolojilerinin gelecekteki olası yeniliklerini ve sektördeki gelişmeleri öğrenir.

Gerçek Hayat Uygulamaları Üzerine Çalışmak:
Öğrenciler, algılama teknolojilerinin gerçek trafik durumlarında ve farklı çevre koşullarında nasıl çalıştığını simülasyonlar ve uygulamalarla deneyimler.

Sınırlamalar ve Çözümleri Tartışmak:
Algılama sistemlerinin zorlukları (ör. hava koşulları, kör noktalar) üzerine düşünerek bu sorunlara yönelik çözüm önerileri geliştirebilir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Sensör füzyonuna yönelik küçük ölçekli bir algoritma geliştirme veya mevcut bir simülasyon üzerinde sensör entegrasyonunun incelenmesi.
Sensörlerin sınırlamaları (ör. düşük ışıkta kamera performansı) ve bu sorunlara yönelik çözüm yaklaşımlarının tartışılması.
Gerçek trafik senaryolarında sensör sistemlerinin nasıl çalıştığını simülasyonlarla incelemek.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 7 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçların, çevresel verileri algılayarak en güvenli ve optimize edilmiş yolu belirleme mekanizmaları ve bu yol üzerinde şerit takibini sağlama yöntemleri incelenecektir. Yol planlama algoritmalarının teorik temelleri, sensörlerden gelen verilerle entegre edilerek nasıl uygulandığı ve şerit algılama ile ilgili görüntü işleme teknikleri ele alınacaktır. Ayrıca, trafik işaretleri, engeller ve dinamik çevre koşulları gibi faktörlerin bu süreçlere etkisi değerlendirilecektir.
Yol Planlama Algoritmalarını Anlamak:
Öğrenciler, otonom araçlarda kullanılan yol planlama algoritmalarını (ör. A*, Dijkstra, D* Lite) öğrenerek, bu algoritmaların güvenli ve verimli bir yol oluşturmadaki rolünü kavrayacaktır.

Şerit Takibi Mekanizmalarını Öğrenmek:
Görüntü işleme ve sensör verileri kullanılarak şerit algılama ve takip etme tekniklerini anlamak.

Sensör Verilerinin Entegrasyonunu Kavramak:
LiDAR, radar ve kameralar gibi sensörlerden gelen verilerin birleştirilerek yol planlama ve şerit takibi süreçlerine nasıl entegre edildiğini öğrenmek.

Gerçek Zamanlı Trafik Koşullarına Uyum Sağlama:
Dinamik çevre koşullarında, trafik işaretleri ve engeller gibi faktörlerin otonom araçların yol planlama ve şerit takibi kararlarına etkisini değerlendirmek.

Algoritmaların Performansını Değerlendirme Becerisi Kazanmak:
Yol planlama ve şerit takibi algoritmalarının doğruluk, hız ve güvenilirlik açısından performans kriterlerini değerlendirme yetkinliği kazanmak.

Simülasyon ve Uygulamalarla Pratik Deneyim:
Yol planlama ve şerit takibi süreçlerini simülasyon ortamlarında deneyimleyerek teorik bilgiyi pratikle desteklemek.

Otonom Sürüş Güvenliğini Geliştirme:
Şerit takibi ve yol planlama mekanizmalarının, otonom araç güvenliğine olan etkilerini analiz ederek iyileştirme yolları önermek.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Şerit tespiti ve takibi için bilgisayarlı görü tekniklerini kullanarak bir görsel işleme uygulaması geliştirmek (ör. OpenCV ile çizgi algılama).
Trafik işaretleri, engeller ve diğer araçlar gibi çevresel faktörlerin yol planlama ve şerit takibi üzerindeki etkilerinin tartışılması
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 8 .Hafta
Konu
Haftalık Kapsam ve Hedefler Karar verme süreçlerinin yapay zekâ ve algoritmalar aracılığıyla nasıl gerçekleştirildiği, kontrol sistemlerinin bu kararları araç hareketlerine dönüştürme yöntemleri incelenecektir. Ayrıca, otonom araçların çevre koşullarına uyum sağlama, trafik kurallarına uygun hareket etme ve güvenli sürüş sağlama gibi kritik işlevlerini yerine getiren sistemlerin teorik ve uygulamalı yönleri ele alınacaktır. Konu, aracın dinamiklerini anlamayı, sensör verilerinin değerlendirilmesiyle yapılan gerçek zamanlı karar alma süreçlerini ve kontrol sistemlerinin bu süreçlere nasıl entegre edildiğini içermektedir.
Karar Verme Süreçlerini Anlamak:
Öğrenciler, otonom araçların yapay zekâ algoritmaları kullanarak çevresel verileri analiz etme, potansiyel eylemleri değerlendirme ve en uygun kararı seçme süreçlerini öğrenir.

Kontrol Sistemlerinin İşleyişini Öğrenmek:
Kontrol sistemlerinin araç hızını, yönünü ve diğer mekanik hareketlerini nasıl düzenlediğini ve karar verme süreçleriyle nasıl entegre çalıştığını anlamak.

Dinamik Çevre Koşullarına Uyum:
Otonom araçların değişen trafik koşullarına ve beklenmedik durumlara gerçek zamanlı olarak nasıl uyum sağladığını öğrenmek.

Karar Destek ve Güvenlik Sistemleri:
Çarpışma önleme, acil durum frenleme ve sürüş yardımı gibi karar destek sistemlerinin işleyişini ve güvenlik üzerindeki etkisini kavramak.

Araç Dinamiğini Anlamak:
Aracın hızlanma, frenleme, dönüş gibi dinamik hareketlerinin karar ve kontrol sistemleriyle nasıl ilişkilendirildiğini öğrenmek.

Algoritmaların Performansını Değerlendirmek:
Karar verme ve kontrol sistemlerinin doğruluk, hız ve güvenilirlik açısından performans kriterlerini değerlendirme becerisi kazanmak.

Simülasyon ve Uygulamalı Çalışmalar:
Karar verme ve kontrol sistemlerini simülasyon ortamında deneyimleyerek teorik bilgiyi pratiğe dökmek.

Gelecekteki Gelişim ve Yenilikler:
Otonom araçların karar verme ve kontrol sistemlerindeki mevcut teknolojilerin gelecekteki gelişimlerini ve yeniliklerini keşfetmek.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Karar verme algoritmalarının (ör. derin öğrenme, sezgisel algoritmalar) temel prensipleri uygulanacaktır.
Çarpışma önleme, şerit değiştirme ve hız kontrolü gibi kritik durum senaryoları simüle edilerek kontrol sistemlerinin işleyişi test edilecektir.
Öğrenciler, otonom araçlarda kullanılan kontrol algoritmalarının doğruluk ve güvenilirlik açısından performansını değerlendirecek ve iyileştirme önerileri geliştirecektir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 9 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlarda kullanılan iletişim sistemlerinin temellerini kapsamaktadır. Özellikle, araçlar arası (V2V), araç ile altyapı arasındaki (V2I) ve araç ile her şey arasındaki (V2X) iletişim teknolojilerinin işleyişi, uygulamaları ve otonom araçlardaki rolü ele alınacaktır. Öğrenciler, bu iletişim sistemlerinin otonom araçların güvenliği, trafik akışı yönetimi ve genel verimlilik üzerindeki etkilerini öğreneceklerdir. Ayrıca, V2V, V2I ve V2X protokollerinin çalışma prensipleri, bu sistemlerin veri iletim süreçleri, avantajları ve zorlukları hakkında detaylı bilgi edinilecektir.
İletişim Sistemlerini Anlamak: Öğrenciler, V2V, V2X ve V2I iletişim sistemlerinin temel işlevlerini öğrenir ve her birinin otonom araçlardaki rolünü kavrar.
Teknolojik Altyapıyı Kavramak: Otonom araçlar arasında veri iletimi için kullanılan teknolojiler, protokoller ve ağ yapıları hakkında bilgi edinmek.
Sistemi Gerçekleştirmek ve Test Etmek: V2V, V2I ve V2X iletişim protokollerinin simülasyon ortamında nasıl çalıştığını gözlemlemek ve bu sistemlerin etkili bir şekilde entegre edilmesini anlamak.
Güvenlik ve Verimlilik Analizini Yapmak: İletişim sistemlerinin otonom araçların güvenliğine ve trafik akışının optimize edilmesine nasıl katkı sağladığını anlamak.
Zorluklar ve Gelecekteki Gelişmeler: Otonom araçlarda iletişim teknolojilerinin karşılaştığı zorlukları tartışmak ve gelecekteki gelişimlere dair potansiyel yenilikleri değerlendirmek.
Gerçek Zamanlı Karar Verme: V2V ve V2X gibi iletişim sistemlerinin, otonom araçların trafik durumuna göre gerçek zamanlı kararlar almasına nasıl yardımcı olduğunu kavramak.
Sistem Performansını Değerlendirmek: İletişim sistemlerinin gecikme, veri iletimi ve bağlantı kalitesi gibi performans kriterlerine dayalı analizler yaparak uygulamaları simüle etmek.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Otonom araçların, diğer araçlarla ve trafik altyapısıyla iletişim kurarak kazaları önleme, trafik akışını optimize etme ve sürüş güvenliğini artırma süreçlerini inceleyecektir.
Öğrenciler, iletişim sistemlerinin, özellikle trafik yoğunluğu ve sürücü davranışları gibi faktörlere bağlı olarak otonom araçların karar verme süreçlerine nasıl etki ettiği tartışılacaktır.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 10 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçların güvenliğini sağlamak için kullanılan teknolojiler ve güvenlik sistemlerini kapsamaktadır. Otonom araçların sürüş esnasında karşılaşabileceği çeşitli tehlikelere karşı nasıl güvenlik önlemleri alındığı, bu araçların tasarımında kullanılan güvenlik algoritmaları ve araç içindeki yolcuların korunması için geliştirilmiş sistemler incelenecektir. Ayrıca, otonom araçlarda kullanılan acil durum sistemleri, çarpışma öncesi, anında ve sonrası güvenlik önlemleri, güvenlik protokollerinin etkinliği ve bu araçların yasal düzenlemelere uygunluğu ele alınacaktır. Bu konu aynı zamanda otonom araçların yazılım güvenliği, siber saldırılara karşı korunma yöntemleri ve güvenli veri iletimi üzerine de detaylı bilgiler sunacaktır.
Otonom Araçlarda Güvenlik Temellerini Anlamak: Öğrenciler, otonom araçların tasarımındaki güvenlik unsurlarını öğrenir, araç içindeki güvenlik sistemlerinin nasıl çalıştığını ve hangi önlemlerin alındığını kavrar.
Güvenlik Teknolojilerini Öğrenmek: Otonom araçlarda kullanılan güvenlik sistemleri (çarpışma öncesi/sonrası sistemler, acil durum durdurma, yolcu koruma sistemleri vb.) ve bu sistemlerin işleyişini öğrenmek.
Çarpışma Öncesi ve Sonrası Güvenlik Sistemlerini İncelemek: Otonom araçlarda, kaza ve çarpışma anındaki güvenlik önlemlerinin nasıl çalıştığını ve bu süreçte alınan tedbirlerin etkilerini anlamak.
Siber Güvenlik ve Yazılım Güvenliğini Kavramak: Otonom araçların yazılım güvenliği, siber saldırılara karşı korunma yöntemleri ve güvenli veri iletimi üzerine bilgi sahibi olmak.
Etkili Güvenlik Algoritmalarını Uygulamak: Otonom araçlarda güvenlik algoritmalarının (örneğin, çarpışma öncesi algılama, anında karar verme ve reaksiyonlar) nasıl optimize edildiğini anlamak ve bu algoritmaların işleyişini simüle etmek.
Acil Durum ve Kriz Yönetimini Öğrenmek: Otonom araçlarda acil durum sistemlerinin işleyişini ve bu araçların kriz anlarında nasıl kararlar alıp harekete geçtiğini anlamak.
Yasal Düzenlemelere Uyum Sağlamak: Otonom araçların güvenlik standartlarına, yasalarına ve düzenlemelerine uygunluklarını öğrenmek.
Performans Analizi Yapmak: Güvenlik sistemlerinin etkinliğini ve araçların güvenlik performansını değerlendirerek, bu sistemlerin geliştirilmesi gereken alanlarını keşfetmek.
Gerçek Zamanlı Güvenlik İzleme Sistemlerini Öğrenmek: Otonom araçlarda kullanılan gerçek zamanlı güvenlik izleme teknolojilerinin (sensörler, kameralar, radarlar) araç içi ve çevre güvenliğine nasıl katkı sağladığını anlamak.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Otonom araçlarda kullanılan güvenlik sistemlerinin tanıtımı
Çarpışma öncesi ve sonrası güvenlik önlemleri
Acil durum ve kriz yönetim sistemleri
Yazılım güvenliği ve siber saldırılara karşı koruma yöntemleri
Güvenlik algoritmalarının ve sistemlerin simülasyon ortamında test edilmesi
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 11 .Hafta
Konu
Haftalık Kapsam ve Hedefler Bu konu, otonom araçların gelişen yapay zeka teknolojileri ile birlikte ortaya çıkan etik ve hukuki soruları kapsamaktadır. Otonom araçların toplumda güvenli bir şekilde kullanılabilmesi için gereken etik karar verme süreçleri ve hukuki düzenlemeler incelenecektir. Yapay zeka ve otonom araçlar arasındaki sorumluluk ilişkileri, güvenlik, zarar görme durumları ve bu araçların yasal çerçeveler içindeki yeri ele alınacaktır. Ayrıca, etik ilkelere uygun karar verme ve sorumluluk paylaşımı gibi konular derinlemesine tartışılacaktır.
Yapay Zeka ve Etik: Öğrenciler, otonom araçlarda kullanılan yapay zeka sistemlerinin karar verme süreçlerinde karşılaşılan etik soruları anlayacak ve bu sorulara nasıl yaklaşılması gerektiğini öğreneceklerdir. Özellikle, yapay zekanın, araçların karşılaştığı kritik durumlarda nasıl etik kararlar vereceği üzerinde durulacaktır.

Otonom Araçlar ve Hukuki Sorumluluk: Öğrenciler, otonom araçların kazalar ve trafik olaylarındaki sorumluluklarını, sigorta sistemlerini ve mevcut yasal düzenlemeleri inceleyerek, bu araçların yasal çerçevede nasıl değerlendirildiğini anlayacaklardır.

Etik ve Hukuki Dilemma Çözme: Öğrenciler, otonom araçlar için etik ve hukuki dilemmaları tartışarak, gerçek dünyadaki senaryolarda bu dilemaları çözme becerisi kazanacaklardır.

Adalet ve Tarafsızlık: Yapay zeka sistemlerinin karar verme süreçlerinde adalet ve tarafsızlık ilkesinin nasıl sağlanacağı üzerine bilgi edinilecek ve otonom araçların adil bir şekilde karar almasını sağlamak için gerekli düzenlemeler ele alınacaktır.

Gelecekteki Düzenlemeler: Öğrenciler, otonom araçlar için gelecekte yapılacak etik ve hukuki düzenlemeleri öngörebilecek, bu araçların toplumsal ve yasal açıdan nasıl şekilleneceğini anlayacaklardır.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Yapay zeka ve etik: Otonom araçların karar verme süreçlerinde etik sorular
Otonom araçlar için yasal düzenlemeler ve mevcut hukuki çerçeve
Otonom araç kazaları ve sorumluluk: Hukuki sorumluluk, sigorta ve güvenlik
Yapay zeka algoritmalarının karar verme süreçlerinde adalet ve tarafsızlık
Otonom araçlar için gelecekteki etik ve hukuki düzenlemeler
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 12 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlar, teknolojik gelişmelerin yanı sıra ekonomik ve toplumsal yapıyı da önemli ölçüde etkilemektedir. Bu konu, otonom araçların ekonomiye olan etkilerini, iş gücü piyasasındaki değişiklikleri, ulaşım endüstrisinin dönüşümünü ve toplumsal yapıyı nasıl dönüştürdüğünü incelemektedir. Öğrenciler, otonom araçların çeşitli sektörlere olan etkilerini analiz ederek, bu teknolojilerin toplum üzerinde yaratacağı değişimlere dair derin bir kavrayış geliştireceklerdir. Ayrıca, otonom araçların ekonomiye olan potansiyel katkılarını ve yaratacağı fırsatları inceleyeceklerdir.

Hedefler:

Otonom Araçların Ekonomik Etkilerini Anlamak: Öğrenciler, otonom araçların ulaştırma sektörü, lojistik, sigorta ve otomotiv üretimi gibi çeşitli ekonomik alanlara nasıl etki edebileceğini öğreneceklerdir. Otonom araçların üretim maliyetleri, işletme maliyetleri ve ekonomik verimlilik üzerindeki etkilerini analiz edeceklerdir.

İş Gücü Piyasasındaki Değişiklikleri İncelemek: Otonom araçların iş gücü üzerindeki etkisini anlamak, geleneksel sürücülük mesleklerinin ortadan kalkması ve yeni iş alanlarının oluşması gibi toplumsal dönüşümleri ele almak. Öğrenciler, bu değişimlerin eğitim, iş gücü uyumlaştırma ve işsizlik üzerindeki olası etkilerini tartışacaklardır.

Ulaşım ve Altyapı Devrimi: Otonom araçların şehir planlaması, altyapı projeleri ve ulaşım sistemlerindeki değişimlerini incelemek. Öğrenciler, otonom araçların trafikteki etkinliğini, trafik kazalarını azaltma potansiyelini ve ulaşımın daha verimli hale gelmesini sağlayan faktörleri keşfedeceklerdir.

Toplumsal Değişim ve Yaşam Kalitesi: Otonom araçların toplum üzerindeki etkilerini tartışmak, yaşlı bireylerin ve engelli kişilerin ulaşım hakkı, şehirleşme, çevre dostu ulaşım gibi konuları ele almak. Öğrenciler, otonom araçların yaşam kalitesini nasıl artırabileceğini ve toplumsal eşitsizlikleri azaltma potansiyelini analiz edeceklerdir.

Politikalar ve Regülasyonlar: Otonom araçların ekonomik ve toplumsal etkilerini yönlendirecek devlet politikalarını ve düzenlemeleri tartışmak. Öğrenciler, bu teknolojilerin kabul edilmesi ve entegrasyonu için gerekli hukuki, etik ve ekonomik çerçeveleri inceleyeceklerdir.

Gelecekteki Fırsatlar ve Zorluklar: Otonom araçların gelecekteki ekonomik fırsatları ve toplumsal zorlukları tartışarak, bu yeni teknolojilerin gelişimiyle karşılaşılabilecek olası engeller hakkında fikir geliştireceklerdir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler, otonom araçların ekonomik etkilerine yönelik grup çalışmaları yapacak, bu teknolojilerin toplumda yaratacağı değişiklikleri değerlendireceklerdir. Ayrıca, otonom araçların potansiyel etkilerinin yer aldığı simülasyonları veya vaka analizlerini uygulamalı olarak inceleyeceklerdir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 13 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlar, yüksek miktarda veri toplama ve işleme kapasitesine sahip sistemlerdir. Bu ders, otonom araçların veri yönetimi süreçlerini incelemeye odaklanacaktır. Sensörlerden, kameralar ve LiDAR gibi cihazlardan gelen verilerin toplanması, depolanması, analiz edilmesi ve bu verilerin karar verme süreçlerine nasıl entegre edildiği ele alınacaktır. Ayrıca, büyük veri yönetimi, veri güvenliği, veri gizliliği ve veri entegrasyonu konularına da değinilecektir. Otonom araçlarda kullanılan veri yönetim sistemlerinin altyapısı, veri analitiği, ve karar destek sistemleri üzerine uygulamalı çalışmalar yapılacaktır.
Veri Toplama ve Entegrasyonu: Otonom araçlardan gelen sensör verilerinin toplama, entegrasyon ve işleme süreçlerini öğrenmek.
Veri Depolama ve Yönetimi: Otonom araçlar için uygun veri depolama tekniklerini ve veri yönetim sistemlerini anlamak.
Büyük Veri ve Analitik: Otonom araçlarda büyük veri kullanımı ve veri analitik yöntemlerini öğrenmek ve uygulamak.
Veri Güvenliği ve Gizliliği: Otonom araçlardaki veri güvenliği, gizlilik ve yasal düzenlemeler konusunda bilgi edinmek.
Veri Tabanlı Karar Verme: Veri analitiği ve sensör verileri ile desteklenen karar verme süreçlerini incelemek.
Simülasyon ve Uygulamalar: Otonom araçlar için veri yönetim sistemleri üzerine simülasyonlar ve uygulamalı çalışmalar yaparak öğrendiklerini pekiştirmek.
Veri Yönetiminde Etik Sorunlar: Otonom araçlardaki veri yönetiminin etik boyutlarını anlamak, veri gizliliği ve etik sorumluluklar üzerine tartışmalar yapmak.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler, veri güvenliği, gizliliği ve etik sorunlar üzerine bilgi edinecek ve bu bilgileri uygulamalı senaryolarla pekiştireceklerdir. Derste, sensör verilerinin analiz edilmesi ve bu verilerin karar verme süreçlerine nasıl entegre edildiği üzerine örnekler verilecektir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 14 .Hafta
Konu
Haftalık Kapsam ve Hedefler Otonom araçlar, yüksek miktarda veri toplama ve işleme kapasitesine sahip sistemlerdir. Bu ders, otonom araçların veri yönetimi süreçlerini incelemeye odaklanacaktır. Sensörlerden, kameralar ve LiDAR gibi cihazlardan gelen verilerin toplanması, depolanması, analiz edilmesi ve bu verilerin karar verme süreçlerine nasıl entegre edildiği ele alınacaktır. Ayrıca, büyük veri yönetimi, veri güvenliği, veri gizliliği ve veri entegrasyonu konularına da değinilecektir. Otonom araçlarda kullanılan veri yönetim sistemlerinin altyapısı, veri analitiği, ve karar destek sistemleri üzerine uygulamalı çalışmalar yapılacaktır.
Veri Toplama ve Entegrasyonu: Otonom araçlardan gelen sensör verilerinin toplama, entegrasyon ve işleme süreçlerini öğrenmek.
Veri Depolama ve Yönetimi: Otonom araçlar için uygun veri depolama tekniklerini ve veri yönetim sistemlerini anlamak.
Büyük Veri ve Analitik: Otonom araçlarda büyük veri kullanımı ve veri analitik yöntemlerini öğrenmek ve uygulamak.
Veri Güvenliği ve Gizliliği: Otonom araçlardaki veri güvenliği, gizlilik ve yasal düzenlemeler konusunda bilgi edinmek.
Veri Tabanlı Karar Verme: Veri analitiği ve sensör verileri ile desteklenen karar verme süreçlerini incelemek.
Simülasyon ve Uygulamalar: Otonom araçlar için veri yönetim sistemleri üzerine simülasyonlar ve uygulamalı çalışmalar yaparak öğrendiklerini pekiştirmek.
Veri Yönetiminde Etik Sorunlar: Otonom araçlardaki veri yönetiminin etik boyutlarını anlamak, veri gizliliği ve etik sorumluluklar üzerine tartışmalar yapmak.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar Anlatım, Tartışma, Soru Yanıt, Uygulama
Haftalık Öğrenme Etkinlikleri Açıklama Öğrenciler, veri güvenliği, gizliliği ve etik sorunlar üzerine bilgi edinecek ve bu bilgileri uygulamalı senaryolarla pekiştireceklerdir. Derste, sensör verilerinin analiz edilmesi ve bu verilerin karar verme süreçlerine nasıl entegre edildiği üzerine örnekler verilecektir.
Haftalık Ölçme-Değerlendirme Etkinlikleri Uygulama,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri