Çalıştay Ana Teması
Önce Zihin, Ardından Yapay Zeka: Fakülteler Arası Müfredat Geliştirme ve İstişare
Çalıştay Düzenleme Kurulu
Çalıştay Sahibi: Yıldız Teknik Üniversitesi
Kurul Başkanı: Prof. Dr. Vatan Karakaya
Koordinatörler:
- Prof. Dr. Şeref Naci Engin
- Prof. Dr. Mehmet Fatih Amasyalı
- Dr. Öğr. Üyesi Ekrem Çetinkaya
- Arş. Gör. Yusuf Enes Kurt
Çalıştayın Amaçları
- YTÜ Yapay Zeka Müfredatının fakülteler arası tanıtımını yapmak
- "Önce Zihin, Ardından Yapay Zeka" vizyonunu paylaşmak
- Fakültelerin müfredata katkı ve önerilerini almak
- Pilot uygulama sürecini planlamak
- Akademik dürüstlük ve ölçme-değerlendirme yaklaşımlarını belirlemek
Çalıştay Günü ve Yeri
Tarih: 11 Ağustos 2025
Saat: 09:00-13:00
Yer: YTÜ Davutpaşa Kampüsü Tarihi Hamam
Çalıştayın Yöntemi
Çalıştay kapsamında 4 temel oturum belirlenmiştir. Her oturum için 4 adet soru belirlenmiştir ve katılımcıların oturum sonrası bu soruları kendi masalarında istişare ederek cevaplandırması istenmiştir. Katılımcılar için 6 ayrı masa oluşturulmuştur. Her masada farklı bölüm temsilcilerinin bir araya getirilmesi sağlanarak, farklı bölümlerin görüşlerinin paylaşıldığı bir geri dönüş yapısı planlanmıştır. Oturum sonrası verilen sürelerde, koordinatörler yönlendirme ve rehberlik yapmak amacıyla her masada belirli sürede istişarelere katılmışlardır.
Katılımcı Seçimi ve Davet Süreci
Çalıştay fakülte öğretim üyelerine yönelik olduğundan farklı fakültelerden akademisyen katılımının sağlanmasına özen gösterilmiştir. Akademisyen katılımını sağlamak amacıyla çalıştay, fakültelere Rektörlük ve ilgili birimler aracılığıyla duyurulmuştur. Duyuruda çalıştaya her bölümden en az bir temsilci katılması gerektiği belirtilmiştir.
Oturum Yapısı ve İşleyiş
Her oturumda önce 15-20 dakikalık kısa bir sunum yapılmıştır. Sunumda ilgili oturumun konusu, temel kavramlar ve tartışma noktaları açıklanmıştır. Sunum sonrasında katılımcılar masalara farklı fakültelerden 6-7 kişilik gruplar halinde oturtulmuştur. Her masada bölüm çeşitliliğinin sağlanmasına özen gösterilmiştir.
Çalıştay dört oturum şeklinde düzenlenmiştir:
Oturum Müfredat Tanıtımı ve Vizyon
Oturum Uygulama Stratejisi ve Akademik Altyapı
Oturum Ölçme-Değerlendirme ve Akademik Dürüstlük
Oturum Fakülte Bilgi Toplama ve Kaynak Envanteri
Form Tabanlı Veri Toplama
Masalarda yapılan çalışmalar daha önce paylaşılan formlar aracılığıyla yürütülmüştür. Her oturuma ait formda 4 temel soru ve 1 ek düşünceler ve yorumlar bölümü bulunmuştur. Çalıştay sonrasında toplanılan formlar tablo haline getirilerek farklı görüşler rapor haline getirilmiştir.
Oturum İçerikleri ve İstişare Alanları
Oturum 1: Müfredat Tanıtımı ve Vizyon
Bu oturumda katılımcılardan yapay zeka müfredatının kendi bölümlerine özgü nasıl şekillendirilmesi gerektiği konusunda görüşleri alınmıştır. Alanlarında yaygın kullanılan YZ araçları, yöntemleri ve yaklaşımları hakkında bilgi paylaşımı yapılması istenmiştir. Ayrıca tüm fakültelerde ortak olarak verilmesi gereken temel yapay zeka konularının belirlenmesi, dersi tamamlayan öğrencilerin sahip olması beklenen bilgi, beceri ve yetkinliklerin tanımlanması ile derste uygulanabilecek örnek projeler ve pratik uygulamalar için önerilerin alınması hedeflenmiştir.
Oturum 2: Uygulama Stratejisi ve Akademik Altyapı
İkinci oturumda fakültelerin pilot uygulama sürecinde yer alma isteklilikleri ve bu kararların gerekçeleri sorgulanmıştır. Yapay zeka dersini etkili şekilde verebilmek için ihtiyaç duyulan eğitim, kaynak ve desteklerin belirlenmesi ile Yapay Zeka ve Veri Mühendisliği Bölümünden beklenen mentorluk ve destek alanları ele alınmıştır. Oluşturulacak çevrimiçi platformda bulunması gereken güncel içerik, kaynak ve materyaller konusunda öneriler toplanmış ve iş birliği modelleri tartışılmıştır.
Oturum 3: Ölçme-Değerlendirme ve Akademik Dürüstlük
Bu oturumda ödev ve sınav değerlendirmelerinde yapay zeka kullanımından kaynaklanan sorunlar ve bu durumların nasıl yönetildiği irdelenmiştir. Bölümlerde yapay zeka kullanımına yönelik mevcut politikaların varlığı, kapsamı ve politika geliştirme ihtiyaçları araştırılmıştır. Yapay zeka teknolojilerinin yaygınlaşması sonrasında ölçme ve değerlendirme yaklaşımlarında yapılan veya planlaması gereken değişiklikler ile akademik dürüstlüğü sağlamak için benimsenecek stratejiler tartışılmıştır.
Oturum 4: Fakülte Bilgi Toplama ve Kaynak Envanteri
Son oturumda fakültelerin mevcut durumlarında yapay zeka dersi verebilme kapasiteleri ve bu dersi etkili şekilde verebilmek için ihtiyaç duydukları teknik kaynaklar ile eğitim destekleri araştırılmıştır. Şu anda kullanılan yapay zeka araçları ve teknolojileri ile gelecekte entegre edilmesi planlanan YZ çözümleri sorgulanmıştır. Yapay zeka eğitimi konusunda işbirliği yapılabilecek sektörel paydaşlar, firmalar ve kuruluşlar belirlenmiş, diğer fakültelerle ortak yapay zeka projeleri ve eğitim programları geliştirilmesi konusundaki görüş ve öneriler alınmıştır.
Katılımcı Fakültelerin Değerlendirmeleri
Oturum 1
Eğitim Fakültesi
Fakülte, yapay zeka eğitiminin temel kavramlar ve prensiplerle başlaması gerektiğini, ardından uygulamalı örnekler, vaka çalışmaları ve proje temelli öğrenme yöntemleri ile desteklenmesini önermektedir. Ortak müfredatta yapay zeka etiği, veri analizi, algoritma mantığı gibi konular yer almalıdır. Fakülte, öğrencilerin eleştirel düşünme ve problem çözme becerilerini geliştirecek uygulamaların önemli olduğunu, ayrıca farklı disiplinlerle iş birliğine açık projelerle öğrenmenin güçlendirilmesini önermektedir.
Fen-Edebiyat Fakültesi
Fakülte, müfredatın makine öğrenimi, derin öğrenme, doğal dil işleme gibi temel konuları kapsaması gerektiğini vurgulamaktadır. Ayrıca Python ve R gibi yazılım araçlarının kullanımıyla veri analizi ve modelleme çalışmalarının yapılması gerektiği belirtilmiştir. Dersin %40 teorik (matematiksel temeller, algoritmalar) ve %60 uygulamalı (laboratuvar, proje çalışmaları) olması gerektiği ifade edilmektedir. Proje tabanlı öğrenme, ters-yüz sınıf modeli, hackathonlar ve endüstri stajları önerilmektedir.
Gemi İnşaat ve Denizcilik Fakültesi
Fakülte, gemi hidrodinamiği ve insansız deniz araçlarında yapay zeka destekli tasarım, performans tahmini ve optimizasyon çalışmalarının müfredata entegre edilmesini önermektedir. Makine öğrenmesi, veri toplama, yapay zeka etiği, dijital ikiz uygulamaları gibi konulara önem verilmektedir. Öğrencilerin kendi alanlarına yönelik projeler geliştirmesi teşvik edilmeli; ters-yüz öğrenme modeliyle konu öğreniminde yapay zeka desteği sağlanmalıdır.
Kimya-Metalurji Fakültesi
Fakülte, yapay zeka eğitiminin teorik, istatistiksel ve matematiksel temellerle başlaması gerektiğini, ardından alanına özgü uygulamalarla pekiştirilmesini önermektedir. Makine öğrenmesi, derin öğrenme, veri madenciliği, biyoproses optimizasyonu ve modelleme gibi konular öne çıkmaktadır. Öğrencilerin yapay zeka araçlarını bilinçli şekilde kullanabilmesi, veri manipülasyonu ve tahmin yöntemlerini uygulayabilmesi, etik farkındalık geliştirmesi hedeflenmektedir.
Makine Fakültesi
Fakülte, yapay zeka müfredatının programlama temelleri üzerine inşa edilmesini, ardından MATLAB, Python, TensorFlow, PyTorch gibi araçlarla uygulamalı çalışmalar yapılmasını önermektedir. Endüstride yaygın kullanılan algoritmalar, optimizasyon teknikleri, bulanık mantık, derin öğrenme ve görüntü işleme uygulamaları ders kapsamında yer almalıdır. Dersin teorik (%40) ve uygulamalı (%60) dengesi korunmalı, vaka çalışmaları ve sektörel iş birlikleri ile desteklenmelidir.
Mimarlık Fakültesi
Fakülte, yapay zekanın ayrı bir ders yerine mevcut derslere entegre edilmesini önermektedir. Temel bilgisayar becerilerinin geliştirilmesinin ardından yapay zeka araçlarının tanıtılması ve kullanım yollarının öğretilmesi gerektiği belirtilmektedir. Özellikle kültürel mirasın korunması, yapı bozulmalarının tespiti ve görselleştirme alanlarında yapay zeka uygulamalarının potansiyeli vurgulanmaktadır. Etik, algoritma temelleri ve disiplinlerarası çalışma alışkanlıklarının kazandırılması önemlidir.
Sanat ve Tasarım Fakültesi
Fakülte, yapay zeka kullanımında etik farkındalığın korunması gerektiğini vurgulamaktadır. MidJourney, Canva, Adobe gibi araçların yanı sıra generatif yapay zeka sistemlerinin özgünlük ve yaratıcılığı destekleyecek şekilde kullanılması önerilmektedir. Öğrencilerin elde ettikleri sonuçları sorgulama, geçerliliğini değerlendirme ve estetik boyutunu tartışma becerileri kazanmaları hedeflenmektedir. Tasarım, 3D modelleme, oyun geliştirme gibi alanlarda yapay zeka entegrasyonu önerilmektedir.
İktisadi ve İdari Bilimler Fakültesi
Fakülte, yapay zeka müfredatının iktisat disiplini perspektifiyle şekillendirilmesini savunmaktadır. YZ araçlarıyla iktisadi analiz, öngörü ve politika simülasyonu yapılabileceği belirtilmektedir. Müfredatta veri okuryazarlığı, yapay zeka etiği ve hukuku, üretkenlik ve verimlilik konularına yer verilmelidir. Fiyat tahmini, duygu analizi gibi alanına uygun projeler önerilmektedir.
İnşaat Fakültesi
Fakülte, yapay zeka derslerinin artırılmasını önermektedir. Çevresel veri analizi, drone ve uzaktan algılama, görüntü işleme, nesne tespiti gibi konular öne çıkmaktadır. Ayrıca çevresel sorunlara çözüm üretecek yapay zeka uygulamaları, atık yönetimi ve hava kirliliği tahmin sistemleri gibi projeler müfredata entegre edilebilir. Matematiksel ve algoritmik düşünme becerilerinin geliştirilmesi, etik değerlere bağlılık vurgulanmaktadır.
Oturum 2
Eğitim Fakültesi
Pilot uygulamaya dahil olmak istediğini belirten fakülte, üniversite genelinde bilgi alışverişinin kaliteyi ve kurum kültürünü artıracağını vurgulamaktadır. Uluslararası iş birlikleri ve uygulama örnekleriyle desteklenmiş bir süreç öngörülmekte, yabancı diller eğitimi alanında bu pilotun faydalı olacağı ifade edilmektedir.
Fen-Edebiyat Fakültesi
Yapay zekada açıklanabilirlik (XAI), federatif öğrenme, robotik ve otonom sistemler, sağlık uygulamaları ve sürdürülebilirlik konularına odaklanmaktadır. Ortak Ar-Ge projeleri, sanayi danışma kurulları, staj programları ve KOBİ’lere yönelik çözümler önermektedir. Uluslararası iş birlikleri, Erasmus+ ve Horizon Europe projeleri, konferans katılımları ve etik kurulların oluşturulması da önemli görülmektedir.
Gemi İnşaat ve Denizcilik Fakültesi
Alan spesifik yazılım ve donanım gereksinimlerinin altı çizilmiş, özellikle İnsansız Deniz Araçları dersinin yapay zeka uygulamalarına açık bir alan olduğu belirtilmiştir.
Kimya - Metalurji Fakültesi
Mevcutta yapay zeka dersleri verilmesine rağmen, uygulamalı yapay zeka derslerinin interaktif platformlar ve yazılım desteği ile güçlendirilmesi önerilmektedir. Ayrıca, çevrimiçi kaynaklara erişim, veri setleri ve yazılım lisanslarının sağlanması vurgulanmaktadır.
Makine Fakültesi
Pilot uygulamaya dahil olabileceğini belirterek, bazı derslerde araştırmacıların erişebileceği bir yapay zeka sunucusu önerilmektedir.
Mimarlık Fakültesi
Pilot uygulama için mühendislik fakültelerinin öncelikli olmasını tavsiye etmektedir. Ancak akademik personelin eğitimi, teknik altyapı, veri tabanı entegrasyonu ve çevrimiçi platform içeriklerinin çeşitlendirilmesi konularında detaylı öneriler sunmaktadır.
Sanat ve Tasarım Fakültesi
Akademisyenlerin eğitilmesi, teorik anlamda güvenilir bilgi kaynaklarına erişim sağlanması ve görsel-işitsel materyallerin kullanılması gerektiği ifade edilmiştir.
İktisadi ve İdari Bilimler Fakültesi
Makroekonomik tahminler, finansal piyasa analizi, politika simülasyonu gibi konularda yapay zeka kullanımının mevcut olduğu, ancak eğitim, veri seti erişimi, teknik destek ve etik danışmanlık gibi ek ihtiyaçlar bulunduğu belirtilmiştir.
İnşaat Fakültesi
Müfredatın henüz uygun olmadığı, ancak çevresel sorunlara yönelik yapay zeka destekli çözümler geliştirilebileceği, disiplinler arası projeler ve veri havuzları oluşturulabileceği ifade edilmektedir.
Oturum 3
Eğitim Fakültesi
Fakülte, eğitim teknolojilerinde yapay zeka kullanımına yönelik farkındalığın artırılması gerektiğini, öğretim üyelerinin yapay zeka araçlarını derslerine entegre etmeleri için destek sağlanmasının önemli olduğunu vurgulamaktadır. Ayrıca, yapay zeka ile ölçme-değerlendirme, kişiselleştirilmiş öğrenme ve içerik geliştirme konularında projeler yapılabileceğini belirtmektedir.
Fen-Edebiyat Fakültesi
Araştırma süreçlerinde veri analizi, modelleme ve simülasyon çalışmalarının yapay zeka ile güçlendirilebileceği, disiplinler arası çalışmaların teşvik edilmesi gerektiği ifade edilmektedir. Akademisyenlerin yapay zeka okuryazarlığının artırılması, ortak veri havuzları oluşturulması ve yazılım desteği sağlanması gerektiği belirtilmektedir.
Gemi İnşaat ve Denizcilik Fakültesi
İnsansız deniz araçları, otonom gemi tasarımı, deniz güvenliği ve enerji verimliliği konularında yapay zeka uygulamaları geliştirilebileceği, bu amaçla özel donanım ve yazılım altyapısına ihtiyaç duyulduğu aktarılmaktadır.
Kimya - Metalurji Fakültesi
Yapay zeka ile malzeme bilimi, kimyasal süreç optimizasyonu, enerji verimliliği ve atık yönetimi konularında Ar-Ge çalışmalarının yapılabileceği, öğrencilerin bu konularda proje ve araştırmalara dahil edilmesinin önem taşıdığı vurgulanmaktadır.
Makine Fakültesi
Üretim süreçleri, endüstriyel otomasyon, bakım ve arıza tahmini, enerji verimliliği gibi alanlarda yapay zeka çözümlerinin uygulanabileceği, bu konularda pilot projeler geliştirilebileceği ifade edilmektedir.
Mimarlık Fakültesi
Tasarım süreçlerinde yapay zekadan yararlanılarak enerji verimli ve sürdürülebilir binalar tasarlanabileceği, kentsel planlama, yapı analizi ve 3D modelleme süreçlerinde yapay zeka entegrasyonunun değerli olacağı belirtilmektedir.
Mühendislik Fakültesi
Fakülte, mühendislik problemlerinin çözümünde yapay zeka temelli optimizasyon ve tahmin modellerinin kullanılabileceğini, öğrencilerin pratik uygulamalarla bu teknolojileri öğrenmelerinin gerektiğini vurgulamaktadır. Ayrıca, sanayi iş birlikleri ve proje tabanlı öğrenme yaklaşımlarının desteklenmesi gerektiğini ifade etmektedir.
Oturum 4
Eğitim Fakültesi
Yapay zeka uygulamalarını derslere entegre etme niyeti bulunmaktadır. ChatGPT gibi araçların kullanılabileceği, internet teknolojileri ve METAM ile ortak projeler yapılabileceği ifade edilmektedir.
Fen-Edebiyat Fakültesi
Yapay zeka etik komitelerinin kurulması, kamuya açık seminerler, lise ve üniversite öğrencileri için YZ okuryazarlığı programları önerilmektedir. Toplumsal cinsiyet eşitliği odaklı araştırmalar ve dezavantajlı gruplara yönelik erişilebilir çözümler ön plandadır. Ayrıca yaşam boyu öğrenme kursları ve insan–YZ iş birliklerini içeren yeni istihdam modelleri üzerinde çalışılması gerektiği belirtilmektedir. Sağlık alanında veri gizliliği, algoritmik şeffaflık ve ulusal etik kurallar vurgulanmaktadır. Çevresel sürdürülebilirlik için enerji verimli modeller, iklim tahminleri, atık yönetimi ve karbon ayak izi azaltma çözümleri öne çıkarılmaktadır.
Gemi İnşaat ve Denizcilik Fakültesi
Makine öğrenmesi ve derin öğrenme konularında yetkinlik kazanılması durumunda ders verilebileceği belirtilmiştir.
Kimya - Metalurji Fakültesi
Yapay zekaya giriş dersinin verilmesinin mümkün olduğu, bunun için temel yazılım altyapısına ihtiyaç duyulduğu belirtilmektedir. AlphaFold ve moleküler dinamik simülasyonlarının kullanıldığı, biyomühendislikte yapay zeka ile ilaç araştırmaları ve biyoproses optimizasyonu yapılabileceği ifade edilmektedir. Diğer fakültelerle ortak projeler ve disiplinler arası çalışmalar önerilmektedir.
Makine Fakültesi
Mevcut derslere MATLAB tabanlı yapay zeka uygulamaları eklenebileceği, Deep Learning Toolbox gibi araçların derslerde yer almasının faydalı olacağı düşünülmektedir. Sanayi iş birlikleri ve Simulink gibi platformlarla ortak çalışmalar yapılabileceği belirtilmektedir.
Mimarlık Fakültesi
Ders verme konusunda kadro kısıtları olduğu, ancak disiplinler arası projelerde yapay zeka destekli tasarım ve görselleştirme tekniklerinin kullanılabileceği ifade edilmektedir. Kültür varlıklarının korunması ve tanıtımı konularında bilinçlendirme faaliyetleri önerilmektedir.
Sanat ve Tasarım Fakültesi
ChatGPT ve Canva gibi araçlar kullanılmakta olup, UI/UX, veri görselleştirme ve grafik tasarım alanlarında paydaşlarla iş birliği yapılabileceği belirtilmektedir. Müfredata YZ derslerinin eklenmesi, sektörle partnerlik ve eğiticilerin güncel bilgiyle donatılması gerektiği vurgulanmaktadır.
İktisadi ve İdari Bilimler Fakültesi
Yapay zeka dersini verebilmek için akademisyenlerin eğitimi ve teknik destek gerektiği belirtilmektedir. ChatGPT, Copilot, Deepseek gibi araçlar kullanılmakta, Python’da makine öğrenmesi çalışmaları yapılmaktadır. Finans, teknoloji ve kamu kuruluşlarıyla iş birliği önerilmektedir. Disiplinler arası bir YZ araştırma ve eğitim grubunun kurulması tavsiye edilmektedir.
İnşaat Fakültesi
Mevcutta yapay zeka temelleri ve mekânsal öğrenme algoritmaları dersleri verilmektedir. Bilgisayar Mühendisliği bölümü ile müfredatın zenginleştirilmesi ve uygulamalı eğitim yapılması gerektiği belirtilmektedir. Teknopark firmaları, İSKİ, İSTAÇ ve TÜBİTAK MAM ile ortak projeler yürütülmektedir
Sonraki Adımlar ve Eylem Planı
Kısa Vadeli Hedefler
- YTÜ Yapay Zeka Müfredatı web sitesinin kurulması
- Pilot uygulama fakültelerinin kesinleştirilmesi
- Teknik altyapı ihtiyaçlarının detaylandırılması
Uzun Vadeli Hedefler
- Pilot uygulama hazırlıkları
- Değerlendirme ve iyileştirme süreçlerinin devreye alınması
- Genişleme planının hayata geçirilmesi
Sonuç
YTÜ Yapay Zeka Müfredat Tanıtım ve İstişare Çalıştayı, üniversitemizin "Önce Zihin, Ardından Yapay Zeka" vizyonu doğrultusunda önemli bir adım olmuştur. Fakülteler arası işbirliği ile geliştirilmesi planlanan müfredat, öğrencilerimizin hem teknik yetkinlikler hem de eleştirel düşünme becerileri kazanmalarını hedeflemektedir.
Çalıştayda alınan geri bildirimler doğrultusunda, pilot uygulama süreci titizlikle planlanacak ve aşamalı bir yaklaşımla tüm fakültelere yaygınlaştırılacaktır. Bu süreçte kalite güvencesi, sürekli iyileştirme ve paydaş katılımı temel ilkeler olarak benimsenmiştir.
YTÜ olarak, yapay zeka çağında bilişsel yetenekleri güçlü, etik değerlere sahip ve teknolojik yenilikleri doğru kullanabilen mezunlar yetiştirme hedefimizi gerçekleştirmek için kararlılıkla çalışmalarımızı sürdüreceğiz.
