Yapay zeka hakkında bir projenin konusunu nasıl seçmeli ve yapılandırmalı

Kerem Aydın·10 Temmuz 2026·⏱7 dk

Sinir ağları üzerine başarılı bir bireysel proje; dar kapsamlı, pratik uygulanabilir bir konu, net bir araştırma planı ve somut bir sonucun (ürünün) gösterilmesine dayanır. En iyi seçim, sadece “yapay zeka nedir”i açıklamak değil, belirli bir görevi çözmektir: bir sohbet botu oluşturmak, farklı modellerin görüntü oluşturma kalitesini karşılaştırmak veya sinir ağlarının akademik başarı üzerindeki etkisini analiz etmek. Bu makalede 2026 yılı için güncel konu fikirlerini, evrensel bir çalışma yapısını ve bölümlerin doldurulmasına yönelik bir örneği bulacaksınız.

Yüksek notun anahtarı: Komisyon, teorik altyapıdan çok sizin kişisel katkınızı değerlendirecektir. Programlama yapmasanız bile, karşılaştırmalı bir analiz, sosyolojik bir anket yürütün veya no-code araçlarını kullanarak dijital bir ürün oluşturun.

Proje için güncel konu fikirleri

Konu seçimi ilgi alanlarınıza ve hazırlık düzeyinize bağlıdır. Konular üç kategoriye ayrılabilir: teknik (temel Python becerileri veya API kullanımı gerektiren), araştırmacı (analiz ve karşılaştırma) ve sosyal (toplum üzerindeki etki).

Teknik ve uygulamalı konular

Bu konular, çalışan bir prototip veya program oluşturmak istiyorsanız uygundur.

  • Üniversite Giriş Sınavı'na (EGE) hazırlık için yardımcı bir Telegram botunun geliştirilmesi. Tarih veya toplum bilimleri dersleri için test soruları üretmek üzere büyük dil modellerinin (LLM) kullanılması.
  • Fotoğraf işlemede farklı sinir ağlarının etkinliğinin karşılaştırılması. Midjourney, Kandinsky ve Stable Diffusion'da nesne kaldırma, çözünürlük iyileştirme (upscaling) ve renk düzeltme kalitesinin analizi.
  • Yüz ifadelerinden duygu tanıma sisteminin oluşturulması. Web kamerasından kişinin ruh halini belirlemek için hazır kütüphaneler (örneğin OpenCV + TensorFlow) tabanlı basit bir proje.
  • Öğretim materyallerinin üretilmesi. Asistan sinir ağları kullanarak ders notlarının veya sunumların oluşturulmasının otomatikleştirilmesi.

Araştırmacı ve analitik konular

Beşeri bilimler veya doğa bilimleri profili için uygundur. Veri toplama ve analiz gerektirir.

  • Günümüz dünyasında Turing testi: İnsanlar yapay zeka metnini insan metninden ayırt edebilir mi? Sınıf arkadaşları veya öğretmenler arasında bir deney yapılması ve sonuçların değerlendirilmesi.
  • Sinir ağlarının öğrencilerin yaratıcılığı üzerindeki etkisi. Anket ve analiz: Yapay zeka fikir üretmeye mi yardımcı oluyor yoksa kişinin kendi yaratıcı düşünmesini mi baskılıyor?
  • Görüntü oluşturma kalitesinin 3 yıl içindeki evrimi. Belirli parametrelere (detay seviyesi, metinle çalışma, anatomi) göre DALL-E 2, DALL-E 3 ve Midjourney v6 çalışmalarının karşılaştırılması.
  • Tıpta sinir ağları: Görüntüler üzerinden teşhis. Mevcut çözümlerin incelenmesi ve açık veri setleri üzerinde doktor görüşleriyle karşılaştırmalı olarak doğruluk analizinin yapılması.

Sosyal ve etik konular

Toplum bilimleri ve hukuk için günceldir.

  • Yapay zeka tarafından oluşturulan içerikte telif hakkı sorunu. Rusya Federasyonu ve dünya mevzuatının analizi: Bir robotun çizdiği resmin sahibi kimdir?
  • Bilgi güvenliği tehdidi olarak deepfake'ler. Sahte içerikleri tespit etme yolları ve kişisel video içeriğini koruma yöntemleri.
  • Geleceğin meslekleri: Hangi uzmanlık alanlarının yerini sinir ağları alacak, hangileri kalacak? Mevcut otomasyon olanaklarının analizine dayalı tahminler.

Konuyu nasıl daraltmalı: “Sanatta sinir ağları” yerine “Puşkin'in masallarına illüstrasyon oluştururken Kandinsky ve Midjourney'in stilistik karşılaştırması” gibi daha spesifik bir başlık seçin. Konu ne kadar spesifik olursa, derinlemesine analiz yapmak o kadar kolay olur.

Bireysel proje için evrensel plan

Projenin yapısı okulunuzun gerekliliklerine uygun olmalıdır, ancak mantıksal çekirdek her zaman değişmez. Aşağıda, mantıksal kopuklukları önleyen optimal bir plan sunulmaktadır.

1. Giriş

Burada fikrinizi komisyona “satarsınız”. Hacim: 1–2 sayfa.

  • Güncellik: Neden tam şimdi önemli? (Örneğin: “Sinir ağları günlük yaşamın bir parçası haline geldi, ancak çoğu öğrenci bunları düzensiz kullanıyor...”)
  • Sorun: Hangi çelişkiyi çözüyorsunuz? (Örneğin: “Çok sayıda araç var, ancak bunları ders çalışmada verimli kullanmaya yönelik bir rehber yok.”)
  • Amaç: Nihai sonuç. (Örneğin: “Deneme yazmak için yapay zeka kullanımına ilişkin bir kılavuz geliştirmek.”)
  • Görevler: Amaca ulaşmak için atılacak adımlar. (Literatür taraması, deney yapma, ürün oluşturma.)
  • Araştırmanın nesnesi ve konusu: Nesne — genel amaçlı sinir ağları. Konu — bunların eğitimde kullanımı.
  • Hipotez: Kanıtlayacağınız varsayım. (Örneğin: “Sinir ağlarının kullanımı, bilgi kalitesinden ödün vermeden sınava hazırlanma süresini %30 azaltır.”)

2. Teorik bölüm

Zaten bilinenlerin gözden geçirilmesi. Vikipedi'yi kopyalamayın!

  • Konunun tarihi (kısa özeti).
  • Sinir ağlarının sınıflandırılması (sadece konunuzla ilgili olanlar).
  • Mevcut çözümlerin/araştırmaların analizi.
  • Önemli: Paragrafların sonunda, teoriyi pratik bölümünüzle ilişkilendiren çıkarımlar yapın.

3. Pratik bölüm (Araştırma)

Projenizin kalbi.

  • Metodoloji: Araştırmayı nasıl yürüttünüz? (Anket, deney, modelleme.)
  • Çalışma süreci: Ürünün oluşturulması veya deneylerin yapılması sürecinin açıklaması.
  • Sonuçlar: Grafikler, diyagramlar, ekran görüntüleri, kod.
  • Sonuçların analizi: Sayılar ne gösterdi? Hipotez doğrulandı mı?

4. Sonuç

Girişte belirtilen her görev için kısa özetler. Amaca ulaşılıp ulaşılmadığına dair sonuç. Ürününüzün kullanımı için öneriler.

5. Kaynakça ve Ekler

Ekler kısmına hacimli materyalleri koyun: anket tablolarının tamamı, kod listelemeleri, ürününüzün kullanım talimatları.

İçerik örneği: “Terimleri tekrar etmek için sohbet botu” projesi

İyi bir projenin nasıl göründüğünü anlamak için somut bir örneği inceleyelim. Konu: “İngilizce kelimeleri ezberlemek için sinir ağı tabanlı bir Telegram botunun geliştirilmesi”.

Giriş (parça)

Güncellik: Yabancı kelime öğrenimi sürekli tekrar gerektirir. Standart uygulamalar genellikle sıkıcıdır. Sinir ağları, bağlamsal örnekler ve diyaloglar üreterek eğitimi kişiselleştirilmiş hale getirir. Amaç: Çalışılan kelimelerle benzersiz cümleler üreten ve bağlam anlayışını kontrol eden bir bot oluşturmak. Hipotez: Yapay zeka ile bağlamsal öğrenme, kart ezberlemeye kıyasla kelimelerin akılda kalıcılığını %20 artırır.

Bölüm 1. Dil didaktiğinde yapay zeka kullanımının teorik temelleri

1.1. Yabancı dil kelime dağarcığının ezberlenme mekanizmaları: Psikolojik araştırmalara kısa bir bakış. 1.2. Modern dil modellerinin (LLM) incelenmesi: Eğitim içeriğiyle çalışmadaki olanakları ve sınırlamaları. 1.3. Kelime öğrenimi için mevcut uygulamalar: Eksikliklerin analizi (bağlam eksikliği, şablonluk).

Bölüm 2. Botun geliştirilmesi ve test edilmesi

2.1. Araçların seçimi: Python, aiogram kütüphanesi, sinir ağı API'si (örneğin YandexGPT veya GigaChat). 2.2. Botun çalışma algoritması:

  • Kullanıcı bir kelime girer.
  • Sinir ağı, farklı stillerde (resmi, argo, edebi) 3 kullanım örneği üretir.
  • Bot mini bir quiz oluşturur: “Boşluğu doldurun”. 2.3. Pedagojik deney:
  • A Grubu (10 kişi) kelimeleri bot aracılığıyla öğrendi.
  • B Grubu (10 kişi) Quizlet kartları aracılığıyla öğrendi.
  • 1 hafta sonra kontrol testi yapıldı.

Sonuçlar ve çıkarımlar

Deney, A Grubunun kelimenin cümle içinde kullanımına yönelik görevlerde %15 daha az hata yaptığını gösterdi, although ilk ezberleme hızı aynıydı. Hipotez kısmen doğrulandı: Yapay zeka, kullanım nüanslarının anlaşılmasında daha iyi yardımcı oluyor.

Sık yapılan hata: Pratik bölümde öğrenciler sadece servise nasıl kaydolduklarını anlatır. Bu yanlıştır. Kendi eylemlerinizi anlatın: hangi prompt'ları (istekleri) yazdınız, parametreleri nasıl değiştirdiniz, neden bu yolu seçtiniz?

Proje yazarken sık yapılan hatalar

  1. Kişisel katkı eksikliği. Sadece yapay zekanın tarihine dair bir ödev indirdiyseniz, bu bir proje değildir. Bir ürün olmalıdır: sizin tarafınızdan oluşturulan bir makale, bot, video kurs, karşılaştırmalı tablo.
  2. Belirsiz amaç. “Sinir ağlarını incelemek” kötü bir amaçtır. “Hangi sinir ağının kedi çizmede daha iyi olduğunu ortaya çıkarmak” iyi bir amaçtır.
  3. 2024–2026 kaynaklarının göz ardı edilmesi. Yapay zeka alanı aylık olarak değişiyor. Pratik bölümde 2020 yılındaki makalelere atıf yapmak güncel değildir.
  4. Aşırı karmaşık teknik başlangıç. Matematikte profesör değilseniz, sıfırdan kendi sinir ağınızı eğitmeye çalışmayın. Hazır API'leri ve oluşturucuları kullanın. Bu da geliştirme sayılır.
  5. Teori ve pratik arasında bağlantı olmaması. Teoride etikten bahsedip pratikte hesap makinesi yapıyorsanız, bölümler tek bir amaca hizmet etmiyor demektir.

SSS: Öğrencilerden gelen sorular

Sinir ağları üzerine bir proje için programlama bilmek gerekir mi? Hayır. Yapay zekanın toplum üzerindeki etkisini araştırabilir, hazır servisleri karşılaştırabilir, içerik üretimi için prompt'lar (metin istekleri) oluşturabilir veya botları birleştirmek için no-code platformlarını kullanabilirsiniz.

Proje kaç sayfa olmalıdır? Okul için standart, ekler hariç 15–25 sayfa ana metindir. Önemli olan miktar değil, işlemenin kalitesidir. Grafiklerle dolu 15 sayfa yoğun metin, boş lafkalardan oluşan 30 sayfadan daha iyidir.

Projenin kendisini yazmak için ChatGPT kullanılabilir mi? Yapay zekayı fikir bulmak, yazım denetimi yapmak ve planı yapılandırmak için kullanmak mümkündür ve hatta gereklidir. Ancak tüm metni sizin yerinize yapay zekanın yazması doğru değildir. Birincisi, bu durum “boş laf” içermesi ve kişisel veri eksikliği nedeniyle kolayca tespit edilir. İkincisi, savunmada size içerikle ilgili sorular sorulacaktır ve eğer materyali bilmiyorsanız notunuz düşecektir.

Kaynakça nasıl düzenlenmelidir? GOST R 7.0.100–2018 standardını kullanın. Çevrimiçi kaynaklar için erişim tarihini mutlaka belirtin (örneğin: “Erişim tarihi: 15.05.2026”), çünkü çevrimiçi içerik değişebilir.