| 1 | Yapay zekanın tarihsel gelişimini eleştirel bir biçimde değerlendirmek ve eğitim paradigmaları bağlamında makine öğrenimi ile olan temel ilişkisini açıkça ifade etmek. |
| 2 | Gözetimli (supervised), gözetimsiz (unsupervised) ve derin öğrenme (deep learning) paradigmalarını birbirinden ayırt etmek; bu yaklaşımların teorik temellerini ve eğitimsel veri setlerine uygulanabilirliğini analiz etmek. |
| 3 | Doğrusal Regresyon (Linear Regression), Sinir Ağları (Neural Networks), k-En Yakın Komşu (k-NN) ve k-Ortalamalar (k-Means) kümeleme dâhil olmak üzere temel makine öğrenimi algoritmalarını, karmaşık analitik problemleri modellemek ve çözmek için uygulamak. |
| 4 | JavaScript kullanarak algoritmik düşünme ve programlama yeterliliği geliştirmek; özellikle etkileşimli web tabanlı uygulamalar oluşturmak için p5.js ve ml5.js kütüphanelerini etkin bir şekilde kullanmak. |
| 5 | Anlamlı örüntüler çıkarmak amacıyla ml5.js altyapısını kullanarak ses, görüntü ve metin sınıflandırma modellerinin yanı sıra regresyon analizleri tasarlamak ve uygulamak. |
| 6 | Fen eğitimi araştırmalarını ileriye taşımak adına yenilikçi metodolojiler, etkileşimli araçlar ve simülasyon tabanlı öğrenme ortamları tasarlamak için makine öğrenimi tekniklerini sentezlemek. |