1. Anasayfa

Ders Notları

100% Complete (success)
Dikkat !!! Lütfen okuyunuz ...

Öğretim Üyesi (Üyeleri): Prof. Dr. Mehmet Serhat Odabaş *

(*) Ders notu girebilmek için, bu alanda kendi isminiz yazıyor olmalı...

  • Bologna verilerinin girilmesi;
    ubys.omu.edu.tr adresinden,
    ÜBYS' de Öğretim Elemanları yetkisi seçilmeli... Öğretim elemanı danışmanlık işlemlerinden yapabilirsiniz...
Yıl: 2025, Dönem: Güz
NRP636, Yapay Zekâ (mufredatId:6613, dersId: 75473, programId: 5379)
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

Ders Notları

Dersin İçeriği

Ders kapsamında; İnsan Zekası (HI) ile Yapay Zeka (AI) arasındaki yapısal farklar ve "Derin Öğrenme"nin (Deep Learning) çalışma prensibi incelenir. Geleneksel pazar araştırmasının yerini almaya başlayan "Sentetik Odak Grupları" (Synthetic Focus Groups) ve AI Personalar ile maliyetsiz veri üretimi tartışılır. Ayrıca, Netflix/Spotify gibi platformların kullandığı "Öneri Motorları"nın nöro-psikolojik altyapısı, Duygu Yapay Zekası (Emotion AI) ile yüz/ses analizi ve "Kara Kutu" (Black Box) sorunu ele alınır.

Dersin Amacı

Bu dersin amacı; Yapay Zeka (AI) ve Makine Öğrenmesi (ML) teknolojilerini, sadece birer operasyonel araç olarak değil, insan davranışını modelleyen ve gelecekteki tüketim kalıplarını öngören stratejik bir "kahin" olarak incelemektir. Biyolojik sinir ağları ile yapay sinir ağları arasındaki benzerliklerden yola çıkarak; üretken yapay zekanın (Generative AI) pazarlama içgörülerini nasıl dönüştürdüğünü, "Sentetik Veri" kullanımını ve algoritmik tahminlemenin etik sınırlarını öğretmek hedeflenmektedir.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Derse Giriş ve İçerikler
2 Biyolojik Nöron vs. Yapay Nöron – "İnsan beyni ile 'Yapay Sinir Ağları' (ANN) arasındaki mimari benzerlikler ve farklar. Gözetimli ve Gözetimsiz öğrenme.
3 Agrawal'ın teorisi: Yapay zeka aslında sadece "tahmin maliyetini düşüren" bir istatistik motorudur. Belirsizlik altında karar verme.
4 Sosyal medyadaki milyonlarca yorumu okumak imkansızdır. NLP algoritmalarıyla "Sentiment Analysis" (Duygu Analizi) yapmak.
5 Sentetik Kullanıcılar (Synthetic Users) ve Veri: Pazar araştırmasının sonu mu? Gerçek insan yerine "AI Personalar" ile odak grup çalışması yapmak. Sentetik verinin avantajı
6 Üretken Yapay Zeka (Generative AI) ile Hiper-Kişiselleştirme: Her tüketiciye, anlık olarak, sadece onun ilgisini çekecek "kişiye özel" reklam görseli ve metni üreten sistemler.
7 Duygu Yapay Zekası (Emotion AI / Affective Computing): Kameradan mikro-mimikleri, mikrofondan ses tonunu analiz eden algoritmalar. Çağrı merkezlerinde ve mağazalarda duygu tespiti.
8 Öneri Motorları (Recommendation Engines) Psikolojisi: Netflix ve Spotify bizi bizden iyi mi tanıyor? "İşbirlikçi Filtreleme" mantığı ve "Serendipity" etkisi.
9 ARA SINAV
10 Bilgisayarlı Görü (Computer Vision) ve Perakende: Amazon Go örneği. Mağaza içinde müşterinin hareketlerini, hangi ürünü eline alıp bıraktığını izleyen sistemler.
11 Tahmine Dayalı Müşteri Değeri (Predictive CLV): Hangi müşteri 3 ay sonra markayı terk edecek? (Churn Prediction). Müşterinin gelecekteki parasal değerini hesaplamak.
12 Yaratıcılıkta İnsan-AI İşbirliği (Co-Creation): AI yaratıcılığı öldürür mü, artırır mı? "Centaurs" (İnsan+AI) modeli. AI'ı bir "stajyer" olarak kullanma.
13 Algoritmik Önyargı (Algorithmic Bias): AI veriyi insanlardan öğrenir, dolayısıyla insanların önyargılarını da öğrenir. Pazarlamada ayrımcılık riskleri ve "Adil AI".
14 Kara Kutu (Black Box) Sorunu ve Açıklanabilirlik (XAI): Yapay zeka "Krediyi reddet" dediğinde "Neden?" sorusuna cevap verememesi. Şeffaflık ve GDPR uyumu.
15 Gelecek: Genel Yapay Zeka (AGI) ve Transhümanizm – İnsan zekasını aşan sistemler pazarlamayı nasıl değiştirecek? Makineden Makineye (M2M) pazarlama dönemi.