Anadolu Üniversitesi Anadolu Üniversitesi
  • Kurumsal
  • Akademik Programlar
  • Öğrenci İçin Bilgi
  • Türkçe
    • Türkçe Türkçe
    • İngilizce İngilizce
Program Profili Kabul ve Kayıt Koşulları Yeterlilik Koşulları ve Kuralları Önceki Öğrenmenin Tanınması Öğretim Elemanları Bölüm Bşk. ve AKTS Koord. Alan Yeterlilikleri Program Yeterlilikleri (Çıktıları) Dersler - AKTS Kredileri Alan & Prog. Yeterlilik İlişkileri Ders - Prog. Yeterlilik İlişkileri Ölçme ve Değerlendirme Mezuniyet Koşulları Üst Derece Programlarına Geçiş İstihdam Olanakları
  • Lisansüstü Eğitim Enstitüsü
  • Analitik Kimya Anabilim Dalı
  • Analitik Kimya Anabilim Dalı-Tezli YL
  • Dersler - AKTS Kredileri
  • Analitik Kimyada Yapay Zekâ Uygulamaları
  • Tanıtım
  • Tanıtım
  • İçerik
  • Öğrenme Çıktıları
  • Öğretim Yöntem ve Teknikleri
  • Program Çıktılarına Katkısı
  • Ölçme ve Değerlendirme

Ders Adı Ders Kodu Zorunlu/Seçmeli Teori + Uygulama AKTS
Analitik Kimyada Yapay Zekâ Uygulamaları KİM706 II.YARIYIL 3+0 6.0
Ders Dili Türkçe
Ders Türü Seçmeli Dersler
Öğretim Elemanları DR. ÖĞR. ÜYESİ SERKAN LEVENT
Dersin Veriliş Biçimi Yüz yüze
Dersin Önkoşulları Bu dersin ön koşulu ya da eş koşulu bulunmamaktadır.
Önerilen Dersler Yoktur.
Okuma Listesi  Zachary JB., Xiang Y, Philippe YA, Yanan Z, Steven PW, Qiongqiong Z, Artificial Intelligence in Chemistry: Current Trends and Future Directions, J. Chem. Inf. Model, 2021; 61: 3197 Jia W, Georgouli K, Martinez-Del Rincon J, Koidis A. Challenges in the Use of AI-Driven Non-Destructive Spectroscopic Tools for Rapid Food Analysis. Foods. 2024; 13(6):846.  Rafael Cardoso Rial, AI in analytical chemistry: Advancements, challenges, and future directions, Talanta, Volume 274, 2024, 125949.
Değerlendirme 1 Ara Sınav, 1 Dönem Sonu Sınavı
Staj & Uygulama Yok
Katalog İçeriği Yapay Zekâ, Makine öğrenmesi ve derin öğrenme kavramlarının temel tanımları, Analitik kimyada yapay zekâ kullanımının tarihçesi ve önemi, Temel makine öğrenmesi algoritmalarına genel bakış, Spektroskopik veri analizi için yapay zekâ tekniklerinin uygulanması (UV-Vis, FTIR, NMR, Raman), Kromatografik verilerin (HPLC, GC) sınıflandırılması, Pik tanımlama ve ayrıştırma işlemlerinde YZ uygulamaları, Kütle spektrometresi verilerinin yapay zekâ ile yorumlanması, Fragmentasyon modeli ve yapı tahmini, YZ destekli kalibrasyon yöntemleri ve kalite kontrol uygulamaları, Bozunma ürünleri ve safsızlık analizlerinde veri madenciliği ve YZ temelli modelleme.

  • Kurumsal
  • İsim ve Adres
  • Akademik Takvim
  • Yönetim Kadrosu
  • Kurum Hakkında
  • Akademik Programlar
  • Genel Kabul Şartları
  • Önceki Öğrenmenin Tanınması
  • Kayıt İşlemleri
  • AKTS Kredi Sistemi
  • Akademik Danışmanlık
  • Akademik Programlar
  • Doktora / Sanatta Yeterlik
  • Yüksek Lisans
  • Lisans
  • Önlisans
  • Açık ve Uzaktan Eğitim Sistemi
  • Öğrenci İçin Bilgi
  • Şehirde Yaşam
  • Konaklama
  • Beslenme Olanakları
  • Tıbbi Olanaklar
  • Engelli Öğrenci Olanakları
  • Sigorta
  • Maddi Destek
  • Öğrenci İşleri Daire Başkanlığı
  • Öğrenci İçin Bilgi
  • Öğrenim Olanakları
  • Uluslararası Programlar
  • Değişim Öğrencileri için Pratik Bilgiler
  • Dil Kursları
  • Staj
  • Sosyal Yaşam ve Spor Olanakları
  • Öğrenci Kulüpleri