Eğitim Hakkında
Bu ileri seviye eğitim programı, şehirlerin en temel üç bileşeni olan ulaşım, enerji ve altyapı sistemlerinin, yapay zekâ ve veri bilimi teknolojileriyle nasıl daha verimli, sürdürülebilir ve dayanıklı hale getirilebileceğine dair bütünsel bir bakış açısı sunar. Katılımcılar, IoT sensör verilerinden uydu görüntülerine kadar çok çeşitli veri kaynaklarını kullanarak trafik akışını optimize etmeyi, enerji şebekelerini akıllı hale getirmeyi ve kritik altyapıların bakımını proaktif olarak yönetmeyi öğreneceklerdir. Programın sonunda, bu üç sistemin birbiriyle etkileşimini modelleyen bir "Sayısal İkiz" (Digital Twin) konsepti üzerinden, entegre şehir yönetimi senaryoları geliştirme yetkinliği kazanacaklardır.
Akıllı Şehirler için Yapay Zekâ, kentsel operasyonları ve hizmetleri otomatize etmek, optimize etmek ve geleceği tahminlemek için makine öğrenmesi, derin öğrenme ve pekiştirmeli öğrenme gibi teknolojilerin sistematik olarak uygulanmasıdır. Bu eğitimde;
- Ulaşım için: Bilgisayarlı Görü (YOLO, R-CNN), Zaman Serisi Tahminlemesi (LSTM, Prophet) ve Pekiştirmeli Öğrenme (Reinforcement Learning) ile adaptif trafik kontrolü.
- Enerji için: Anomali Tespiti, Talep ve Arz Tahminlemesi ve Optimizasyon Algoritmaları ile Akıllı Şebeke (Smart Grid) yönetimi.
- Altyapı için: Sensör Füzyonu, Kestirimci Bakım (Predictive Maintenance) modelleri ve Coğrafi Veri Sistemleri (GIS) entegrasyonu.
- Entegrasyon için: Şehrin canlı bir sanal kopyasını oluşturan Sayısal İkiz (Digital Twin) platformlarının temel prensipleri ve simülasyon yetenekleri uygulamalı olarak ele alınacaktır.
Kimler İçindir?
- Stratejik teknoloji yatırımlarını planlayan Kamu Yöneticileri ve Belediye Stratejistleri,
- Trafik akışını ve toplu taşıma sistemlerini yöneten Ulaşım Mühendisleri ve Şehir Plancıları,
- Enerji şebekelerinin verimliliği ve güvenilirliğinden sorumlu Enerji Sektörü Profesyonelleri ve Şebeke Operatörleri,
- Kritik altyapıların (yollar, köprüler, su şebekeleri) bakım ve yönetimini üstlenen İnşaat Mühendisleri ve Altyapı Yöneticileri,
- Kamu sektörü için teknoloji çözümleri geliştiren Veri Bilimciler, Yapay Zekâ Mühendisleri ve Sistem Mimarları.
Sertifika
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
Eğitim İçeriği
1.1. Stratejik Çerçeve ve Vizyon Geliştirme
- Akıllı Şehir Tanımının Evrimi: Teknoloji odaklılıktan insan ve sürdürülebilirlik odaklı bütünsel vizyona geçiş.
- Kentsel DNA Analizi: Bir şehrin öncelikli sorunlarını (trafik, enerji, güvenlik, çevre) veriye dayalı olarak tespit etme ve haritalama.
- Fırsat-Teknoloji Eşleştirmesi: Hangi yapay zekâ yeteneğinin hangi kentsel soruna en yüksek değeri sağlayacağının stratejik analizi.
- Vaka İncelemesi: Singapur'un "Virtual Singapore" projesi ve Barselona'nın IoT altyapısı gibi öncü uygulamalardan çıkarılan dersler
- Veri Toplama Etiği ve Yönetişimi: Kamusal alanda veri toplamanın sınırları, GDPR/KVKK uyumluluğu ve veri egemenliği (data sovereignty) kavramı.
- Algoritmik Adalet ve Yanlılık (Bias): Geliştirilen AI modellerinin (örn: suç tahminleme, sosyal yardım dağıtımı) belirli demografik grupları sistematik olarak dezavantajlı duruma düşürme risklerinin analizi ve azaltma teknikleri.
- Dijital Uçurum ve Kapsayıcılık: Akıllı şehir teknolojilerinin, dijital okuryazarlığı düşük veya teknolojiye erişimi kısıtlı vatandaşları dışlamamasını sağlayacak stratejiler.
- Güven İnşası ve Şeffaflık: Vatandaşların akıllı şehir teknolojilerine güven duyması için şeffaflık portalları, açık veri platformları ve katılım mekanizmalarının tasarlanması.
2.1. Sensör Ağları ve Nesnelerin İnterneti (IoT)
- Kentsel Veri Kaynakları ve Sensör Tipleri: Trafik loop sensörleri, akıllı enerji sayaçları (smart meters), hava kalitesi ve gürültü monitörleri, Lidar sensörleri.
- IoT İletişim Protokolleri ve Mimarileri: Gerçek zamanlılık ve enerji verimliliği için MQTT, CoAP, LoRaWAN gibi protokollerin seçimi ve uygulanması.
- Kenar Bilişim (Edge Computing): Veriyi buluta göndermeden, yerel olarak (örn: bir trafik direğinde) işleyerek anlık kararlar alma ve gecikmeyi (latency) minimize etme.
- Gerçek Zamanlı Veri Akışlarının İşlenmesi: Apache Kafka ve Spark Streaming ile sensör verilerini anlık olarak toplama ve işleme.
- Coğrafi Bilgi Sistemleri (GIS) ve Yapay Zekâ Entegrasyonu: GeoPandas, PostGIS ve QGIS araçlarıyla konumsal verilerin analizi, katmanlaştırılması ve makine öğrenmesi modelleri için hazırlanması.
3.1. Trafik Akışının Modellenmesi ve Tahmini
- Zaman Serisi Yaklaşımları: LSTM ve GRU gibi derin öğrenme modelleri ile belirli bir noktadaki veya koridordaki gelecekteki trafik yoğunluğunun ve seyahat sürelerinin tahminlenmesi.
- Ağ Tabanlı Modelleme: Şehrin yol ağını bir graf olarak ele alıp, Graf Sinir Ağları (GNN) ile bir kazanın veya yol çalışmasının tüm şehirdeki zincirleme etkilerini (domino effect) modelleme.
- Veri Füzyonu: GPS, kamera görüntüleri ve sensör verilerini birleştirerek daha doğru tahminler elde etme.
- Pekiştirmeli Öğrenme (RL) ile Kavşak Optimizasyonu: Deep Q-Networks (DQN) ve Multi-Agent RL (MARL) kullanarak, birbiriyle haberleşen ve bekleme sürelerini kolektif olarak minimize eden akıllı trafik ışığı sistemleri geliştirme.
- Simülasyon Ortamları: SUMO ve CityFlow gibi trafik simülatörlerinde RL ajanlarının eğitilmesi ve test edilmesi.
- Gerçek Zamanlı Nesne Tespiti ve Takibi: YOLOv8 gibi modellerle araçların (araba, otobüs, bisiklet), yayaların sayımı, sınıflandırılması ve akış yönlerinin analizi.
- Vaka İncelemesi: Kural ihlali (kırmızı ışık, emniyet şeridi, yaya yolu) tespiti ve akıllı otopark doluluk sistemleri için pratik uygulamalar.
4.1. Akıllı Şebekelerde (Smart Grids) Talep ve Arz Tahminlemesi
- Enerji Tüketim Tahmini: Prophet ve XGBoost gibi modellerle, hava durumu, tatil günleri ve ekonomik aktivite gibi dış faktörleri de dikkate alarak saatlik ve günlük enerji talebinin modellenmesi.
- Yenilenebilir Enerji Üretim Tahmini: Güneş panelleri ve rüzgâr türbinlerinin değişken üretimini tahminleyen derin öğrenme modelleri.
- Anomali Tespiti ve Arıza Öngörüsü: Trafo ve iletim hatlarındaki gerilim, akım ve sıcaklık verilerini analiz ederek arızaları oluşmadan önce tespit eden Isolation Forest ve Autoencoder gibi gözetimsiz öğrenme modelleri.
- Vaka İncelemesi: Elektrikli araç şarj istasyonlarının şebeke üzerindeki etkisinin modellenmesi ve "akıllı şarj" (smart charging) stratejileriyle talebin yönetilmesi.
5.1. Bilgisayarlı Görü ile Yapısal Sağlık Tespiti
- Otomatik Hasar Tespiti: Drone ve robotlarla çekilen yüksek çözünürlüklü görüntüler üzerinde, köprü, viyadük ve binalardaki çatlakları, paslanmayı ve deformasyonu tespit eden CNN tabanlı segmentasyon modelleri (örn: U-Net).
- Risk Önceliklendirmesi: Tespit edilen hasarların ciddiyetini sınıflandırarak, bakım ve onarım çalışmalarının en acil olan bölgelere yönlendirilmesi.
- Su Şebekelerinde Sızıntı Tespiti: Basınç ve akış sensör verilerindeki anomalileri analiz ederek su kayıp ve kaçaklarını noktasal olarak tespit eden modeller.
- Dinamik Rota Optimizasyonu: Çöp konteynerlerinin doluluk oranına göre Araç Rotalama Problemi (VRP) algoritmaları ile en verimli toplama rotalarının anlık olarak oluşturulması.
Aşama 1: Veri Entegrasyonu ve Sayısal İkiz Temelinin Oluşturulması
- Farklı modüllerde ele alınan ulaşım, enerji ve altyapı veri setlerini ortak bir coğrafi ve zamansal çerçevede birleştirme.
- Bir sistemdeki değişimin diğer sistemleri nasıl etkileyeceğini (örn: trafik yoğunluğunun hava kirliliğine etkisi) tanımlayan temel kuralların kodlanması.
- Streamlit veya Plotly Dash ile politika yapıcıların senaryo parametrelerini değiştirebileceği bir interaktif arayüz tasarlama.
- Gerçek dünya senaryolarının (örn: "büyük bir spor etkinliği sırasında şehir merkezine araç girişinin kısıtlanması") simüle edilmesi ve sonuçlarının (trafik, enerji, güvenlik KPI'ları) analizi.
- Simülasyon sonuçlarına dayanarak, karar vericiler için somut politika önerileri içeren bir rapor ve sunum hazırlanması.
7.1. Akıllı Şehir Projeleri için Finansman ve Sürdürülebilirlik Modelleri
- Kamu-Özel Sektör İş birliği (PPP), risk sermayesi ve uluslararası hibeler.
- Yeni bir AI sistemi devreye alınmadan önce potansiyel toplumsal etkilerini değerlendirme süreci.
- Şehir verilerini anonimleştirerek araştırmacılara ve vatandaşlara açma.
- Vatandaşların kendi topladıkları verilerle (örn: gürültü seviyeleri) akıllı şehir süreçlerine katkıda bulunmasını sağlama.
8.1. Kurum için Pilot Proje (PoC) Tasarım Atölyesi
- Katılımcıların kendi şehirleri veya kurumları için, düşük bütçeli, yüksek etkili ve ölçülebilir bir pilot akıllı şehir projesi tasarlaması.
- Kentsel Hava Ulaşımı (Urban Air Mobility - UAM) ve drone lojistiğinin entegrasyonu.
- Tam otonom araçların şehir altyapısı üzerindeki etkileri.
- Yapay Zekâ ve 6G'nin getireceği yeni olanaklar.
Neden Bu Eğitimi Almalısınız ?
- Bütünsel Vizyon: Şehir sistemlerini (ulaşım, enerji, altyapı) ayrı ayrı değil, birbiriyle etkileşim halinde olan entegre bir bütün olarak ele almayı öğretir.
- Operasyonel Verimlilik: Trafik sıkışıklığını, enerji kayıplarını ve altyapı arızalarını azaltarak milyonlarca liralık kamu kaynağında tasarruf sağlar.
- Artan Yaşam Kalitesi: Daha hızlı ulaşım, daha az kirlilik, kesintisiz enerji ve güvenilir altyapı hizmetleri ile vatandaşların yaşam kalitesini doğrudan artırır.
- Sürdürülebilirlik ve Dayanıklılık: Karbon emisyonlarını azaltma, yenilenebilir enerji entegrasyonu ve iklim değişikliğinin getireceği zorluklara karşı şehri daha dayanıklı (resilient) hale getirme hedeflerini destekler.
- Veriye Dayalı Politika Geliştirme: Kentsel yatırımların ve yeni politikaların potansiyel etkilerini, Sayısal İkiz üzerinde simüle ederek daha isabetli ve kanıta dayalı kararlar alınmasını sağlar.
Önemli Notlar
Program ücretlerine KDV dahil değildir.
Paylaş: