Yapay Zeka (YZ) destekli üniversiteye ulaşmak için iterative-artımsal olarak fazlar şeklinde devreye alacağımız BAU YZ Dijital Dönüşüm Mimarisi; veri yönetimi, analitik keşif katmanı, karar destek sistemleri, kişiselleştirilmiş süreçler üzerine inşa edilecektir. Bu mimari, öğrenci başarısını artırma, kişiselleştirilmiş öğrenme deneyimleri sunma, akademik araştırmaları güçlendirme ve üniversitenin tüm süreçlerini dijitalleştirme gibi temel hedeflere odaklanacaktır. Üniversitenin tüm sistemlerinden gelen verileri merkezi bir veri havuzunda (Data Lake) toplayarak, gelişmiş yapay zeka modelleri ve büyük veri analitiği ile gerçek zamanlı içgörüler elde edilmesini sağlayacak bir altyapı kurulacaktır. BAU Yapay Zeka Dönüşümünün en önemli bileşeni olarak gördüğümüz "BAU Yapay Zeka Platformu" ortak bir YZ platformu olarak dönüşümün merkezinde yer alacaktır. Bu platform zaman içinde gelişerek, YZ alanında BAU’nun tüm ihtiyaçlarına cevap verebilecek servis ve işlevlerle donatılacaktır. Bahse konu platform aşağıdaki özellikleri içerecektir: Modüler Mimari: API tabanlı entegrasyon ile LMS, UMIS ve diğer sistemlerle kolay entegre olur. Gerçek Zamanlı Veri Analizi: IoT ve LMS’den gelen verileri anlık işler. Öğrenci ve Akademisyen Profilleme: YZ destekli öneriler ile kişiselleştirilmiş eğitime geçiş için kişiselleştirme imkanları sunar. Karar Destek Motoru: Yönetim ve akademik süreçlerde akıllı analizler yapar.
9.1. MİMARİ TASARIM KATMANLARI Bütünleşik bir veri platformu ve YZ destekli karar alma süreçlerini içeren BAU Yapay Zeka Platformu için önerilen taslak mimari 5 temel katmandan oluşacak şekilde aşağıda verilmiştir. Bunlar: 9.1.1. Veri Toplama ve Entegrasyon Katmanı UMIS, LMS/ItsLearning, IoT Sensörleri, finansal sistemler, akademik performans verileri gibi kaynaklardan veri toplayarak merkezi bir veri gölüne aktarır. Gerçek zamanlı veri işleme ve veri kalitesi kontrollerini içerir. 9.1.2. Veri Depolama ve Yönetim Katmanı Yapısal ve yapısal olmayan verileri saklayan Data Lake ve Veri Ambarı (Data Warehouse) yapıları oluşturulur. Güvenlik, veri yönetişimi ve erişim kontrol mekanizmalarını içerir. 9.1.3. Veri İşleme ve Analitik Katmanı Makine öğrenmesi (ML), derin öğrenme (DL) ve büyük dil modelleri (LLM) kullanılarak kestirim, anomali tespit ve analizler gerçeklenir. YZ modellerinin kullanımı için baştan uca veri hazırlama/temizleme, veri analiz servislerinin geliştirilmesi, yönetimi ve uygulamaya alınması için AutoML benzeri YZ iş hatları (AI-pipeline) kurulacaktır. YZ ve Büyük Veri (BV) teknolojilerinin bir arada kullanımı ile geçmiş veriler üzerinde YZ modellerinin eğitimini yapabilen yapılar oluşturulacaktır. BAU’ya ait geçmiş veriler kullanılarak YZ destekli analizler yapan katma değerli servislerin devreye alınması/kullanılması sağlanacaktır. 9.1.4.Analitik Keşif Katmanı sayesinde BAU’da farklı rollere sahip personel/öğrencilerin yetkileri ile uyumlu olarak Veri Gölündeki verilere dayalı olarak özel algoritma geliştirme/eğitmelerine imkan sağlayacak servisler geliştirilecek ve devreye alınacaktır. 9.1.5.Karar Destek ve Yapay Zeka Katmanı Öğrenci başarısını tahmin eden, akademik danışmanlık sunan, eğitim süreçlerini kişiselleştiren yapay zeka algoritmalarını barındırır. Yönetim, akademik performans, öğrenci memnuniyeti gibi alanlarda YZ destekli karar önerileri sunar. 9.1.6.Uygulama ve Kullanıcı Katmanı Öğrenci, akademisyen ve yöneticiler için akıllı dashboard'lar, sanal asistanlar ve mobil/web uygulamaları geliştirilir. YZ destekli içerik öneri sistemleri ile öğrencilerin ihtiyaçlarına göre uyarlanmış ders materyalleri sunar. Bu yapı sayesinde üniversite, kestirimci analitikler, yapay zeka destekli otomasyon ve veri odaklı karar alma mekanizmaları ile daha akıllı, verimli ve rekabetçi bir üniversiteye dönüşecektir.
EN
