| ÖÇ1 | Yapay zekanın tanımını, tarihsel gelişimini ve temel türlerini (dar, genel, süper) akademik bir çerçevede açıklar. |
| ÖÇ2 | Veri türlerini, veri kalitesini ve veri etiği (KVKK/GDPR) çerçevesindeki yasal ve toplumsal gereklilikleri tanımlar. |
| ÖÇ3 | Makine öğrenmesi süreçlerini ve farklı öğrenme paradigmalarını (denetimli, denetimsiz, pekiştirmeli) birbirinden ayırt eder. |
| ÖÇ4 | Sınıflandırma ve regresyon modellerinin çalışma mantığını ve temel başarı ölçütlerini (doğruluk, hata matrisi, R²) teorik düzeyde açıklar. |
| ÖÇ5 | Karar ağaçları, KNN ve Naive Bayes gibi temel sınıflandırma algoritmalarının teorik temellerini ve çalışma mekanizmalarını tanımlar. |
| ÖÇ6 | Destek Vektör Makineleri (SVM) ve regresyon analizlerinin matematiksel ve mantıksal arka planını ifade eder. |
| ÖÇ7 | Kümeleme algoritmaları ve boyut indirgeme tekniklerinin denetimsiz öğrenme süreçlerindeki rolünü ve işleyişini açıklar. |
| ÖÇ8 | Yapay sinir ağları ve derin öğrenmenin temel mekanizmalarını (yapay nöron, geri yayılım, aktivasyon fonksiyonları) kuramsal olarak tanımlar. |
| ÖÇ9 | Bilgisayarlı görü (CNN) ve doğal dil işleme (NLP) gibi özelleşmiş alanların temel çalışma prensiplerini ve mimari yapılarını sınıflandırır. |
| ÖÇ10 | Yapay zekanın etik risklerini, açıklanabilirliğini (XAI) ve toplumsal etkilerini (iş gücü, mahremiyet vb.) çok boyutlu olarak analiz eder. |