| Dersin Amacı: |
Bu dersin amacı, öğrencilerin yapay zekâ teknolojilerini yalnızca görsel üretim aracı olarak değil, mekânın biçimlenişini, işlevini ve üretim biçimini dönüştürebilen bir tasarım ortağı olarak kavramalarını sağlamaktır.
Öğrenciler, yapay zekânın mekân kurgusuna, malzeme seçimine ve üretim süreçlerine nasıl entegre edilebileceğini teorik ve pratik olarak araştıracak; aynı zamanda bu araçların veri, etik ve özgünlük boyutlarını da tartışacaklardır.
|
| Dersin İçeriği: |
Bu derste öğrenciler, mekan tasarımında yapay zekâ araçlarının potansiyellerini ve sınırlılıklarını öğrenirler. Ders kapsamında öğrenciler, yapay zekâyı: görselleştirme, sunum, tasarım asistanı, erken tasarım aşamasında mimari plan ve form üretimi aracı, kültürel mirasın korunması ve tarihi yapıların yeniden işlevlendirilmesinde bir analiz/öneri mekanizması, mobilya ve iç mekân tefrişlerinin oluşturulmasında yaratıcı bir eş-tasarımcı olarak deneyimlerler. Öğrenciler bu araçları kullanmakla kalmaz, kendi AI araçlarını nasıl oluşturabileceklerini de temel anlamda öğrenirler. |
| Hafta |
Konu |
Ön Hazırlık |
| 1) |
Yapay Zeka Kavramı, Ders İçeriği ve Süreç Açıklaması
|
- |
| 2) |
Temel kavramlar, tarihsel gelişim, algoritma kavramı, yaratıcılıkla ilişkisi. |
- |
| 3) |
Mekan tasarım süreçlerinde yapay zekanın kullanımı, örnek uygulamalar ve yöntemler |
- |
| 4) |
Metinden - Görsele, Görselden - görsele yapay zeka araçları ile tasarım
Uygulama- Proje 1: yapay zeka araçları ile metinden görsele üretim. |
- |
| 5) |
Metin-görsel ilişkisinde prompt mimarisi, biçim dili, kavramsal çerçeve oluşturma.
Uygulama- Proje 2: yapay zeka araçları ile görselden görsele üretim. |
- |
| 6) |
Özgünlük, veri toplama ve açık veri kaynakları, yapay zeka kullanım etiği ve yaratıcılık. |
- |
| 7) |
Vize Sınavı |
- |
| 8) |
Makine Öğrenmesi: Üretici Ağlar (GAN) ve Görsel Eşleme Mantığı |
- |
| 9) |
Makine Öğrenmesi: Görsel veri, etiketleme, özellik çıkarımı, yapay zekâda veri akışı, örnek projeler |
- |
| 10) |
Makine Öğrenmesi: Convolutional Neural Network (CNN) Mantığı |
- |
| 11) |
Makine Öğrenmesi: Yapay Zekada Sınıflandırma mantığı, etiketleme, özellik çıkarımı, yapay zekâda veri akışı, örnek projeler |
- |
| 12) |
Makine Öğrenmesi: Büyük Dil Modelleri (LLM) ve Diffusion (Yayılma) Modellerinin mantığı |
- |
| 13) |
Uygulama 3: Makine öğrenmesi Proje geliştirme |
- |
| 14) |
Uygulama 3: Makine öğrenmesi Proje geliştirme |
- |
| 15) |
Final Teslimi: Yapılan üretimlerin sunumu, portfolyo teslimi ve değerlendirme
|
- |
| |
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
| 1) |
Meslek etiği ile ilgili kanun ve yönetmelikleri tanımlar ve bu düzenlemelerin mesleki uygulamalardaki rolünü açıklar. |
1 |
| 2) |
Sanatsal ve kültürel değerler ile sosyolojik ve antropolojik bilgileri açıklar ve tasarım süreci ile ilişkilendirir. |
3 |
| 3) |
İçmimarlık ve Çevre Tasarımı alanının gerektirdiği teorik, teknik ve pratik bilgi birikimini kullanarak kullanıcı ihtiyaçlarına uygun, özgün ve işlevsel iç mekân tasarımları üretir. |
1 |
| 4) |
Çağdaş malzeme bilgisi ve üretim teknolojilerini iç mekân bağlamında kullanarak; bu bilgiler ışığında eleştirel düşünce ve çözüm önerileri geliştirir. |
|
| 5) |
Dijital tasarım ve görselleştirme becerilerini kullanarak tasarım fikrini etkili şekilde temsil eder. |
5 |
| 6) |
Araştırma yöntemlerinden yararlanarak iç mekân tasarım süreçlerinde bilinçli, gerekçelendirilmiş ve kullanıcı odaklı tasarım kararları üretir. |
|
| 7) |
Tasarım sorunlarını analitik ve eleştirel bir yaklaşımla değerlendirir ve bu değerlendirme doğrultusunda özgün tasarım çözümleri geliştirir. |
|
| 8) |
Takım çalışması ve disiplinlerarası etkileşim süreçlerine aktif olarak katılır; mesleki uygulama süreçlerinde sorumluluk alır ve etkili iletişim kurar. |
1 |
T.C. İstanbul Okan Üniversitesi BİLGİ PAKETİ / DERS KATALOĞU
