6. Sınıf · 18. Hafta 18–22 Ocak 2027 5. Tema · Yapay Zekâ

Yapay Zekâ Modelimi Geliştiriyorum

Problemimizin çözümü için bir model oluşturuyor, uyguluyor ve modelin süreç ve sonuçlarını doğruluk oranıyla değerlendiriyoruz.

Yapay Zekâ Araçları ile Model Geliştirme

Öğrenme çıktıları

BTY.6.5.3 Yapay zekâ araç ve teknolojileri ile model geliştirebilme

b) Problemin çözümü için bir model oluşturur.
c) Yapay zekâ uygulamasında geliştirilen modeli uygular.
ç) Yapay zekâ uygulamasındaki modelin süreç ve sonuçlarını değerlendirir.

Dikkat Çekme

Düşünelim, konuşalım

1
Modeliniz hangi durumlarda yanılabilir?

Öğretmen için: olası cevaplar

Olası cevaplar: "Karanlık fotoğraflarda", "benzer nesnelerde", "az örnek verdiğimizde", "yanlış etiketlerde".

Varılacak nokta: Model eksik, dengesiz ya da hatalı etiketlenmiş veriyle eğitildiğinde ve hiç görmediği türde örneklerde yanılır.

Cevap gelmezse: "Modelimize hiç buruşuk kâğıt göstermediysek buruşuk bir kâğıtta ne olur?" diye sorun. Gerekirse: "Yanılabilir. Model yalnız gördüğü örneklerden öğrenir."
2
Daha çok örnek vermek modeli neden iyileştirir?

Öğretmen için: olası cevaplar

Olası cevaplar: "Daha çok öğrenir", "daha iyi tanır", "pratik yapar".

Varılacak nokta: Çok ve çeşitli örnek, modelin sınıfları ayıran özellikleri daha iyi öğrenmesini sağlar ve doğruluğu artırır.

Cevap gelmezse: "Bir dili 10 kelimeyle mi, 1000 kelimeyle mi daha iyi konuşursunuz?" diye sorun. Gerekirse: "1000 kelimeyle. Modele de daha çok ve çeşitli örnek verince doğruluk artar; tablodaki %60'tan %90'a çıkış bunu gösterir."
3
Modelinizin yaptığı bir hatadan ne öğrenebilirsiniz?

Öğretmen için: olası cevaplar

Olası cevaplar: "Hangi örnek eksik onu", "yanlış etiket koymuşuz", "daha çok veri lazım".

Varılacak nokta: Hatalar modeli geliştirmek için ipucudur: eksik ya da zor örnekleri ve yanlış etiketleri gösterir.

Cevap gelmezse: Modelin yanıldığı bir örneği gösterip sorun: "Bu örnek eğitimdekilere benziyor muydu?" Gerekirse: "Benzemiyordu; demek ki bu tür örnek eksikti. Ekleyip yeniden eğitiriz."
4
Sınavdan önce yalnız cevap anahtarını ezberleyen biri yeni sorularda başarılı olur mu?

Öğretmen için: olası cevaplar

Olası cevaplar: "Hayır, anlamaz", "aynı sorular gelirse olur".

Varılacak nokta: Model de eğitim verisiyle test edilirse yalnız ezberlemiş olabilir; bu yüzden test verisi eğitimde görülmemiş örneklerden oluşur.

Cevap gelmezse: "Cevap anahtarını ezberleyen biri soruların yeri değişince ne yapar?" diye sorun. Gerekirse: "Bilemez, çünkü anlamamış, ezberlemiştir. Modeli de bu yüzden hiç görmediği örneklerle test ederiz."

Konu

Eğit, test et, geliştir

Önce az örnekle eğitin ve test edin; sonra örnek sayısını artırıp sonucun nasıl değiştiğine bakın.

Bu etkileşimli bölüm için tarayıcıda JavaScript açık olmalıdır.

Konu

Modeli değerlendirme

Test için eğitimde kullanmadığınız örnekler seçin.
Kaç tanesini doğru bildiğini sayın (doğruluk).
Hatalı bildiklerini inceleyin: benzer örnek eksik mi?
Eksik örnekleri ekleyip yeniden eğitin.
Sonuçları tabloya yazın ve karşılaştırın.

EBA materyali Model Kurma Süreci Görseli EBA'da aç

Konu

Eğitim verisi ve test verisi

Eğitim verisi

Modelin öğrendiği örnekler
Etiketleri modele gösterilir
Çok ve çeşitli olmalı

Test verisi

Modelin daha önce hiç görmediği örnekler
Tahmin sonra etiketle karşılaştırılır
Öğrenmenin gerçek ölçüsü

Konu

Doğruluğu hesaplamak

Doğruluk = doğru tahmin sayısı ÷ toplam test sayısı

Deneme	Eğitim örneği	Test	Doğru	Doğruluk
1	Her sınıftan 3	10	6	%60
2	Her sınıftan 10	10	8	%80
3	Her sınıftan 10 + zor örnekler	10	9	%90

Konu

%100 doğruluk her zaman iyi haber değildir: test verisi eğitim verisinin aynısıysa model yalnız ezberlemiş olabilir. Gerçek başarı, yeni ve farklı örneklerde görülür.

Etkinlik 1

Akıllı Modelim / Bilgisayarsız Model: Kartlarla Öğrenme ve Tahmin

60 dk Grup

Gruplar (bilgisayarlı ya da kartlarla) bir sınıflandırma modeli oluşturup test eder.

Kartları iki sınıfa ayırarak "eğitim verisi" hazırlayın.
Modelin kuralını bulun (hangi özelliklere bakıyor?).
Yeni kartlarla tahmin yapın, doğruluğu hesaplayın.
Sonuçları sunun: modeliniz nerede yanıldı, nasıl geliştirirsiniz?

EBA materyali Yapay Zekâ Araçları ile Model Geliştirme Sunumu EBA'da aç

EBA materyali Öğrenme ve Tahmin - Akış Şeması EBA'da aç

EBA

Bu haftanın diğer EBA materyalleri

Karekodu telefonla okutun ya da karta dokunun. EBA materyalleri EBA girişi ister ve yeni sekmede açılır.

EBA materyali Etkinlik Materyalleri EBA'da aç

Pekiştirme

Kendimizi sınayalım

Özet

Bugün neler öğrendik?

Model eğitim verisiyle öğrenir, test verisiyle değerlendirilir.
Doğruluk = doğru tahmin ÷ toplam test.
Hatalar, modeli geliştirmek için ipucudur: eksik ve zor örnekler eklenir.

eğitim verisi
test verisi
doğruluk
sınıflandırma

Gelecek derse hazırlık

Şubat tatilinde blok tabanlı bir kodlama ortamını keşfedin. Hangi blok türlerini gördünüz?

Ders notu

Defterime yazıyorum

Sınavdan önce tekrar etmek için defterine yaz. Başlığı ve tarihi unutma!

6. Sınıf Bilişim · 18. Hafta: Yapay Zekâ Modelimi GeliştiriyorumTarih: ....../....../20....

1. Eğitim verisi ve test verisi

Eğitim verisi	Test verisi
Modelin öğrendiği örnekler	Modelin daha önce hiç görmediği örnekler
Etiketleri modele gösterilir	Modelin tahmini sonra etiketle karşılaştırılır
Çok ve çeşitli olmalı	Öğrenmenin gerçek ölçüsüdür

Dikkat: Sınavdan önce yalnız cevap anahtarını ezberleyen biri yeni sorularda başarısız olur. Model de eğitim verisiyle test edilirse ezberlemiş olabilir; bu yüzden test verisi farklı olmalıdır.

2. Sınıflandırma

Bir örneği önceden belirlenmiş gruplardan birine atayan modele sınıflandırma modeli denir: bir fotoğrafın kedi mi köpek mi, bir atığın kâğıt mı plastik mi olduğunu söylemek gibi. Her gruba sınıf denir.

3. Doğruluk

Doğruluk, modelin test örneklerinin kaçını doğru bildiğini gösterir.

Deneme	Eğitim örneği	Test	Doğru	Doğruluk
1	Her sınıftan 3	10	6	%60
2	Her sınıftan 10	10	8	%80
3	Her sınıftan 10 + zor örnekler	10	9	%90

Örnek: Doğruluk = doğru tahmin sayısı ÷ toplam test sayısı. 20 testten 15'i doğruysa 15 ÷ 20 = 0,75 yani %75.

4. Modeli değerlendirme ve geliştirme

1. Test için eğitimde kullanılmayan örnekler seç.
2. Doğru tahminleri say, doğruluğu hesapla.
3. Hatalı tahminleri incele: benzer örnek eksik mi, etiket yanlış mı?
4. Eksik ve zor örnekleri ekleyip yeniden eğit.
5. Sonuçları tabloya yazıp karşılaştır.

Dikkat: Hatalar, modeli geliştirmek için ipucudur. %100 doğruluk her zaman iyi haber değildir; test verisi eğitim verisinin aynısıysa model yalnız ezberlemiş olabilir.

5. Bilgisayarsız model: kartlarla öğrenme

Kartları iki sınıfa ayırarak "eğitim verisi" hazırlarız, sınıfları ayıran özelliği (renk, şekil, boyut) bulur, yeni kartlarla tahmin yaparız. Bu etkinlik, bilgisayardaki modelin de özelliklere bakarak karar verdiğini gösterir.

Eğitim verisi: Modelin öğrendiği etiketli örnekler.
Test verisi: Modelin başarısını ölçmek için kullanılan, görülmemiş örnekler.
Doğruluk: Doğru tahminlerin tüm tahminlere oranı.
Sınıflandırma: Bir örneği belirli gruplardan birine atama.

Unutma!

Model eğitim verisiyle öğrenir, test verisiyle değerlendirilir.
Doğruluk = doğru tahmin ÷ toplam test.
Hatalar incelenir; eksik ve zor örnekler eklenip model yeniden eğitilir.

Kendimi deniyorum

Eğitim verisi ile test verisini karşılaştır.
Model neden eğitimde görmediği verilerle test edilir?
Sınıflandırma modeline iki örnek ver.
25 testten 20'sini doğru bilen modelin doğruluğunu hesapla.
Modelin doğruluğunu artırmak için neler yapılabilir?
%100 doğruluk neden her zaman iyi haber değildir?

Kendimi deniyorum — cevap anahtarı (yalnız öğretmen)

6. Sınıf Bilişim · 18. Hafta: Yapay Zekâ Modelimi Geliştiriyorum — Kendimi deniyorum cevap anahtarı

Eğitim verisi ile test verisini karşılaştır.
Eğitim verisi modelin öğrendiği, etiketleri gösterilen örneklerdir; çok ve çeşitli olmalıdır. Test verisi modelin daha önce hiç görmediği örneklerdir; tahmini sonra etiketle karşılaştırılır ve öğrenmenin gerçek ölçüsüdür.
Model neden eğitimde görmediği verilerle test edilir?
Çünkü eğitimdeki örneklerle test edilirse model yalnız ezberlemiş olabilir; gerçekten öğrenip öğrenmediği ancak yeni örneklerle anlaşılır.
Sınıflandırma modeline iki örnek ver.
Bir fotoğrafın kedi mi köpek mi olduğunu söylemek; bir atığın kâğıt mı plastik mi olduğunu söylemek.
25 testten 20'sini doğru bilen modelin doğruluğunu hesapla.
20 ÷ 25 = 0,80, yani %80.
Modelin doğruluğunu artırmak için neler yapılabilir?
Daha çok ve çeşitli örnek eklemek, zor örnekler eklemek, yanlış etiketleri düzeltmek, hatalı tahminleri inceleyip modeli yeniden eğitmek.
%100 doğruluk neden her zaman iyi haber değildir?
Çünkü test verisi eğitim verisinin aynısıysa model yalnız ezberlemiş olabilir; yeni örneklerde başarısız olur.

Video

Haftanın videosu

Bu hafta için hazır bir video yok. Kendi seçtiğiniz bir videoyu ekleyebilirsiniz.

Yalnız öğretmen

Ders hazırlığı ve materyaller

Dersten önce

Kartlarla model etkinliği materyallerini ve akış şemasını EBA'dan açın.

Önerilen ders akışı

5 dk Dikkat çekme
10 dk Eğit, test et, geliştir
5 dk Eğitim ve test verisi
60 dk Akıllı Modelim
5 dk Doğruluk hesabı + pekiştirme

EBA materyalleri (kılavuz kitaptaki karekodlar)

Bağlantılar yeni sekmede açılır ve EBA girişi ister — tahtada öğretmen hesabınızla oturum açın. EBA bu içeriklerin başka bir sayfaya gömülmesine izin vermez.

Ders materyalleri

Ölçme ve değerlendirme formları

Ölçme ve değerlendirme

Akıllı Modelim gözlem ve akran değerlendirme formları (EBA); tema sonu ölçme-değerlendirme.

Kendi içeriklerim

Her bölümün altındaki "Bu bölüme görsel ekle" ile kendi görsellerinizi ekleyin, aşağıdaki düğmeyle görselleri sunuma ayrı slayt olarak katın; "Defterime yazıyorum" bölümünde kendi ders notunuzu yazın.

Yükleniyor…

Görseller ve notlar sunucuya gönderilmez; yalnız bu tarayıcıda saklanır. Tarayıcı verisi silinirse kaybolur: düzenli olarak Dışa aktar ile yedek alın, dosyayı başka tahtada İçe aktar ile açın. Öğrenci fotoğrafı ya da kişisel bilgi içeren görsel eklemeyin (KVKK).

Sınıf ortamı

Sınıfımda öğrenci bilgisayarı yok

İşaretlerseniz bilgisayar gerektiren etkinliklerdeki "tahta ve kâğıtla" alternatifleri açık gelir. Simülasyonlar tek bir tahta ekranında sınıfça yapılabilecek şekilde tasarlandı. Tercih bu tarayıcıda hatırlanır.

Maarif Modeli: 5. tema künyesi

Kaynak: Bilişim Teknolojileri ve Yazılım Dersi Öğretim Programı (TYMM). Tema toplam 10 ders saati.

Alan becerileri: BTYAB1. Bilişim Teknolojilerini Kullanma (BTYAB1.2. Bilişim Teknolojileri ile Çalışma)BTYAB4. Dijital Ürün Geliştirme (BTYAB4.4. Simülasyon/Model Geliştirme)
Kavramsal beceriler: KB2.6. Bilgi Toplama
Eğilimler: E2.3. GirişkenlikE3.4. Gerçeği AramaE3.6. AnalitiklikE3.8. Soru Sorma
Sosyal-duygusal öğrenme becerileri: SDB1.2. Kendini Düzenleme (Öz Düzenleme)SDB1.3. Kendine Uyarlama (Öz Yansıtma)SDB2.1. İletişimSDB2.3. Sosyal FarkındalıkSDB3.2. EsneklikSDB3.3. Sorumlu Karar Verme
Değerler: D2. Aile BütünlüğüD3. ÇalışkanlıkD5. DuyarlılıkD6. DürüstlükD8. MahremiyetD10. MütevazılıkD14. Saygı
Okuryazarlık becerileri: OB1. Bilgi OkuryazarlığıOB2. Dijital OkuryazarlıkOB4. Görsel OkuryazarlıkOB7. Veri Okuryazarlık
Disiplinler arası ilişkiler: Görsel SanatlarSosyal BilgilerTürkçe

Zenginleştirme (erken kavrayanlar için)

Yapay zekânın fen, matematik, Türkçe ve görsel sanatlardaki kullanımını araştırıp sunma.
Seçilen bir yapay zekâ aracıyla bir dersten içerik üretip yaratıcılık, etkililik ve uygunluk ölçütleriyle değerlendirme.
Disiplinlere göre (sağlık, spor, çevre) yapay zekâ girdileri üretip röportaj çalışması yapma.

Destekleme (zorlananlar için)

Yapay zekâ uygulamalarının nasıl çalıştığını gösteren video izleme.
Sesli asistan ya da öneri sistemiyle öğretmen gözetiminde basit görevler yapma.
Yaşa uygun bir araçla öğretmen rehberliğinde basit içerik oluşturma.