TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | MÜHENDİSLİK FAKÜLTESİ |
| İNŞAAT MÜHENDİSLİĞİ PR. | |
| Kod | IMS481 |
| Ad | İnşaat Mühendisliğinde Yapay Zeka Uygulamaları |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 7. Yarıyıl |
| Süre (T+U) | 1-2 (T-U) (17 Hafta) |
| AKTS | 5 AKTS |
| Yerel Kredi | 2 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Etiket | S Seçmeli |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. AHMED KAMİL TANRIKULU |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, inşaat mühendisliği öğrencilerine yapay zeka ve makine öğrenimi teknolojilerini kendi mesleki bağlamlarında tanımlama, uygulama ve değerlendirme becerisi kazandırmaktır. Ders kapsamında öğrenciler; temel yapay zeka kavramlarını öğrenir, Python programlama ortamında gerçek inşaat verileriyle çalışır ve yapısal analiz, maliyet tahmini, geoteknik, altyapı izleme ile şantiye güvenliği gibi alanlarda özgün yapay zeka çözümleri geliştirir. Dersin sonunda öğrencilerin, sektörün dijital dönüşüm sürecine katkı sağlayabilecek donanıma sahip olmaları hedeflenmektedir.
Dersin İçeriği
Yapay zeka, makine öğrenimi ve derin öğrenme temel kavramları; Python ile veri analizi ve görselleştirme; gözetimli, gözetimsiz ve pekiştirmeli öğrenme algoritmaları; yapısal analiz ve hasar tespitinde makine öğrenimi uygulamaları; maliyet tahmini ve risk analizi; BIM verilerinin yapay zeka ile entegrasyonu; geoteknik uygulamalarda zemin sınıflandırması; altyapı izleme ve kestirimci bakım; görüntü işleme ve insansız hava aracı uygulamaları; üretken yapay zeka ve tasarım optimizasyonu; yapay zekanın etik ve mesleki boyutları.
Dersin Ön Koşulu
Yok
Kaynaklar
Dersin haftalık ders notları ve uygulama materyalleri öğretim üyesi tarafından hazırlanarak ders platformu üzerinden paylaşılacaktır.
Notlar
1. Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (3. Baskı). O'Reilly Media. 2. Russell, S. & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4. Baskı). Pearson. 3. Chollet, F. (2021). Deep Learning with Python (2. Baskı). Manning Publications. 4. McKinsey Global Institute. (2020). The Next Normal in Construction: How Disruption is Reshaping the World's Largest Ecosystem. McKinsey & Company. (Ücretsiz PDF: mckinsey.com) 5. Autodesk & Deloitte. (2023). State of Data Capabilities in Construction. Autodesk. (Ücretsiz PDF: autodesk.com) 6. Journal of Construction Engineering and Management (ASCE) — YZ özel sayıları 7. Automation in Construction (Elsevier) — Yapay zeka ve inşaat teknolojileri makaleleri 8. Google Colab: colab.research.google.com 9. Kaggle veri setleri ve yarışmaları: kaggle.com 10. Roboflow görüntü işleme platformu: roboflow.com 11. AFAD Açık Veri Portalı: afad.gov.tr 12. TMMOB İnşaat Mühendisleri Odası: imo.org.tr
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Yapay zeka, makine öğrenimi ve derin öğrenme temel kavramlarını açıklar; bu teknolojilerin inşaat mühendisliği ile ilişkisini kurar. |
| ÖÇ02 | Makine öğrenimi türlerini (gözetimli, gözetimsiz, pekiştirmeli) karşılaştırır ve inşaat mühendisliği problemleri için uygun algoritmayı seçer. |
| ÖÇ03 | Python programlama dili ve Google Colab ortamını kullanarak inşaat verilerini işler, analiz eder ve görselleştirir. |
| ÖÇ04 | Yapısal analiz, maliyet tahmini ve zemin sınıflandırması gibi inşaat problemlerine yönelik makine öğrenimi modelleri kurar ve doğrular. |
| ÖÇ05 | Görüntü işleme yöntemlerini kullanarak yapı hasarı tespiti ve şantiye güvenlik denetimi uygulamaları geliştirir. |
| ÖÇ06 | BIM verilerini yapay zeka ile entegre ederek proje yönetimi ve tasarım optimizasyonu iş akışları oluşturur. |
| ÖÇ07 | Gerçek bir inşaat mühendisliği problemini tanımlar, uygun YZ yöntemini seçer ve çözümü teknik rapor ve sunum olarak paylaşır. |
| ÖÇ08 | Yapay zekanın inşaat mühendisliğindeki etik boyutlarını, sınırlılıklarını ve gelecekteki potansiyelini değerlendirir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve İnşaat Mühendisliğine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık İnşaat Mühendisliği problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | 5 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | İnşaat Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | 5 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık İnşaat Mühendisliği problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | 3 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | 3 |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | 4 |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | 5 |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | 3 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | İnşaat Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Giriş ve Motivasyon: Yapay Zekanın İnşaat Mühendisliğine Etkisi; Temel Kavramlar (AI, ML, DL, LLM); Derste Kullanılacak Araçlar | ChatGPT (chat.openai.com) ve Claude.ai hesabı oluşturunuz. Gmail hesabınızla Google Colab'a (colab.research.google.com) giriş yaparak çalıştığını test ediniz. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma, Gösteri |
| 2 | Makine Öğrenimine Giriş: Algoritmalar, Veri Tipleri; Python ve Google Colab Ortamına Giriş; İlk Veri Analizi | "Python for Beginners" (docs.python.org/tr) sayfasını inceleyiniz. Kaggle.com'da ücretsiz hesap oluşturunuz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama |
| 3 | Veri Ön İşleme ve Hazırlık: Eksik Veri, Aykırı Değer, Özellik Mühendisliği; Gerçek Bir Şantiye Veri Setinin Temizlenmesi | Pandas kütüphanesi belgelerini (pandas.pydata.org) inceleyiniz. Ders platformundan paylaşılan şantiye veri setini indiriniz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama |
| 4 | Yapısal Analiz + Makine Öğrenimi: Kiriş Sehim Tahmini, Regresyon Modelleri; Lab: Python ile İlk ML Modeli | Scikit-learn kütüphanesinin regresyon bölümünü (scikit-learn.org) inceleyiniz. Lineer regresyon kavramını gözden geçiriniz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Örnek Olay |
| 5 | Deprem ve Hasar Tespiti: Görüntü İşleme Temelleri, Önceden Eğitilmiş Modeller; Lab: Bina Hasarı Fotoğraflarından Çatlak Tespiti | Roboflow.com'da ücretsiz hesap oluşturunuz. Görüntü işleme ve evrişimli sinir ağları (CNN) hakkında temel bir video izleyiniz (YouTube: "CNN explained"). | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Örnek Olay |
| 6 | Maliyet Tahmini: Geleneksel vs. YZ Destekli Yöntemler; Lab: Geçmiş Proje Verileriyle Maliyet Tahmin Modeli | Karar ağacı (Decision Tree) ve Random Forest algoritmalarını araştırınız. Ders platformundan paylaşılan geçmiş proje veri setini indiriniz. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Örnek Olay |
| 7 | Süre ve Risk Analizi: Monte Carlo Simülasyonu, İş Programı Optimizasyonu; Lab: Python ile Risk Simülasyonu | Monte Carlo simülasyonu kavramını araştırınız. NumPy kütüphanesinin temel fonksiyonlarını (numpy.org) gözden geçiriniz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama |
| 8 | Ara Sınavlar | 1-7. hafta konularını gözden geçiriniz. Lab ödevlerini ve notlarınızı tekrar ediniz. | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | BIM + Yapay Zeka: IFC Veri Yapısı, BIM'den Veri Çekme; Lab: BIM Verisiyle Miktar Çıkarma ve Maliyet Analizi | BIM ve IFC formatı hakkında temel bilgi edininiz. Autodesk Forma öğrenci lisansına (autodesk.com/education) başvurunuz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Örnek Olay |
| 10 | Zemin Sınıflandırması ve Geoteknik Uygulamalar: SPT/CPT Verisi ile ML; Lab: Zemin Tipi Tahmin Modeli | SPT ve CPT deney yöntemlerini gözden geçiriniz. Ders platformundan paylaşılan sondaj log veri setini indiriniz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Örnek Olay |
| 11 | Altyapı İzleme ve Kestirimci Bakım: Sensör Verisi, Anomali Tespiti; Lab: Köprü Sensör Verisiyle Anomali Analizi | Zaman serisi verisi ve anomali tespiti kavramlarını araştırınız. Ders platformundan paylaşılan simüle edilmiş sensör veri setini indiriniz. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama |
| 12 | Bilgisayarlı Görü ve İnsansız Hava Aracı Uygulamaları: YOLO ile Nesne Tespiti; Lab: Şantiye Güvenlik Denetimi | YOLO (You Only Look Once) algoritmasını araştırınız. Roboflow hesabınıza giriş yaparak arayüzü tanıyınız. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Örnek Olay |
| 13 | Üretken YZ ve Tasarım Optimizasyonu: Generative Design, Sürdürülebilirlik; Lab: Çok Kriterli Tasarım Optimizasyonu | Generative design kavramını ve Autodesk Forma'nın tasarım optimizasyonu özelliklerini araştırınız. | Öğretim Yöntemleri: Anlatım, Gösteri, Alıştırma ve Uygulama, Beyin Fırtınası, Tartışma |
| 14 | Yapay Zekanın Etik ve Gelecekteki Boyutları: Yansılık, Sorumluluk, Mesleki Etik; Dönem Projesi Sunumları (1. Grup) | Dönem projenizi sunuma hazır hale getiriniz. Yapay zekada etik konusunda bir makale veya haber okuyunuz. | Öğretim Yöntemleri: Tartışma, Soru-Cevap, Alıştırma ve Uygulama |
| 15 | Dönem Projesi Sunumları (2. Grup); Dersin Genel Değerlendirmesi; Kariyer ve Gelecek Yönelimleri | Dönem projenizi sunuma hazır hale getiriniz. Diğer grupların sunumlarını değerlendirmek için not alma formatı hazırlayınız. | Öğretim Yöntemleri: Tartışma, Soru-Cevap, Beyin Fırtınası |
| 16 | Yarıyıl Sonu Sınavları | Tüm dönem konularını, lab ödevlerini ve ders notlarını gözden geçiriniz. | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Tüm dönem konularını, lab ödevlerini ve ders notlarını gözden geçiriniz. | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 4 | 56 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 4 | 6 | 24 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 3 | 3 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 3 | 3 |
| Toplam İş Yükü (Saat) | 128 | ||
| Toplam İş Yükü / 25 (s) | 5,12 | ||
| AKTS | 5 AKTS | ||