YAPAY ZEKA MÜHENDİSLİĞİ
Lisans	TYYÇ: 6. Düzey	QF-EHEA: 1. Düzey	EQF-LLL: 6. Düzey

Ders Tanıtım Bilgileri

Ders Kodu	Ders Adı	Yarıyıl	Teorik	Pratik	Kredi	AKTS
SEN2104	Veritabanı Yönetim Sistemleri	Bahar	3	2	4	7

Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir.

Temel Bilgiler

Öğretim Dili:	İngilizce
Dersin Türü:	Non-Departmental Elective
Dersin Seviyesi:	LİSANS
Dersin Veriliş Şekli:	Yüz yüze
Dersin Koordinatörü:	Dr. Öğr. Üyesi TAMER UÇAR
Dersi Veren(ler):	Dr. Öğr. Üyesi TAMER UÇAR Arş.Gör. SEVGİ CANPOLAT Dr. Öğr. Üyesi ÖZGÜR ERKUT ŞAHİN Arş.Gör. MERVE ARITÜRK
Opsiyonel Program Bileşenleri:	Yok
Dersin Amacı:	Öğrenciler, varlık-ilişki modelini kullanarak veritabanlarını analiz etme ve tasarlama becerilerine sahip olacaklardır. İlişkisel cebir ve SQL gibi veritabanı sorgulama tekniklerini tanımlama becerilerine sahip olacaklardır. Bu konuların yanı sıra, ilişkisel veritabanı tasarımı yaklaşımını, indeksleme, sorgu işleme ve sorgu optimizasyonunu konularını belirleyebilme becerilerine sahip olacaklardır. Ayrıca temel veri analizi ve veri madenciliği kavramlarını tanımlayabileceklerdir. Derste Kullanılan Öğretim Yöntemleri ve Teknikleri: Ders anlatımı, okuma, uygulama, bireysel çalışma, problem çözme

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1. Varlık ilişki modelini tanımlar.
2. İlişkisel veri modelini tanımlar.
3. İlişkisel cebir dilini tanımlar.
4. SQL dilini tanımlar.
5. İlişkisel veritabanı tasarımı yaklaşımını belirler.
6. İndeksleme, sorgu işleme ve sorgu optimizasyonu yaklaşımını belirler.
7. Temel veri analizi ve veri madenciliği konularını tanımlar.

Dersin İçeriği

Ders içeriği varlık ilişki modeli, ilişkisel veri modeli, ilişkisel cebir, SQL, ilişkisel veritabanı tasarımı, indeksleme, sorgu işleme, sorgu optimizasyonu veri analizi ve veri madenciliği ile ilgili konularından oluşmaktadır.

Haftalık Ayrıntılı Ders İçeriği

Hafta	Konu	Ön Hazırlık
1)	Veritabanı Yönetim Sistemlerine Giriş
2)	Varlık İlişki Modeli
3)	İlişkisel Veri Modeline Giriş
4)	İlişkisel Cebir
5)	İlişkisel Cebir
6)	Yapısal Sorgulama Dili (SQL)
7)	Yapısal Sorgulama Dili (SQL)
8)	Ara Sınav
9)	İlişkisel Veritabanı Tasarımı
10)	İlişkisel Veritabanı Tasarımı
11)	İlişkisel Veritabanı Tasarımı
12)	İndeksleme ve Sorgu İşleme
13)	Sorgu İşleme ve Sorgu Optimizasyonu
14)	Veri Analizi ve Veri Madenciliği Kavramlarına Giriş

Kaynaklar

Ders Notları / Kitaplar:	A. Silberschatz, H. F. Korth, S. Sudarshan, “Database System Concepts”, 6th edition, McGraw Hill R. Elmasri, S. Navathe, “Fundamentals of Database Systems”, 7th edition, Pearson
Diğer Kaynaklar:	-

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Küçük Sınavlar	3	% 25
Ara Sınavlar	1	% 35
Final	1	% 40
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 60
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 40
Toplam		% 100

AKTS / İş Yükü Tablosu

Aktiviteler	Aktivite Sayısı	Süre (Saat)	İş Yükü
Toplam İş Yükü

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Matematik, Fen Bilimleri ve Yapay Zeka Mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilir.
2)	Karmaşık Yapay Zeka sistemleri, platformları, süreçleri, cihazları veya ürünleri gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar ve bu amaçla modern tasarım yöntemlerini uygular.
3)	Karmaşık Yapay Zeka Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçer ve uygular.
4)	Yapay Zeka Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır.
5)	Karmaşık Yapay Zeka Mühendisliği problemlerinin veya araştırma konularının incelenmesi için sayısal veya fiziksel deney tasarlar ve yapar, veri toplar, sonuçları analiz eder ve yorumlar.
6)	İngilizce ve Türkçe (eğer Türk vatandaşı ise) sözlü ve yazılı etkin iletişim kurma becerisi; alanındaki yenilikleri takip edebilecek düzeyde İngilizce dil bilgisi (Avrupa Dil Portföyü B1 genel düzeyi) kazanır; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi kazanır.
7)	Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerilerine sahip olur.
8)	Etik ilkelerine uygun davranır, mesleki ve etik sorumluluk bilinci sahibidir; Yapay Zeka Mühendisliği uygulamalarında kullanılan standartlar hakkında bilgilidir.	3
9)	Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi edinir.
10)	Yapay Zeka Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; Yapay Zeka Mühendisliği çözümlerinin hukuksal sonuçlarının farkındadır.	4
11)	Yapay Zeka Mühendisliğini ilgilendiren problemlerde bireysel ve ilgili çok disiplinli takımlarda etkin biçimde çalışır.