Ders Adı Makine Öğrenmesi
Ders Kodu 39e36a7303964a0b89
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Lisansüstü
Yıl Hazırlık
Dönem 1.Yarıyıl
AKTS 6
Dersi Veren(ler)
Dersin Yardımcıları
Dersin Öğrenme Çıktıları Makine öğrenmesi algoritmalarını analiz edebilme Bir proglemi analiz edip bu problemin çözümü için uygun makine öğrenmesi algoritmasını tespit edebilme Kullanılan makine öğrenmesi algoritmalarını test edip geliştirebilme
Ders İşleme Biçimi Yüz Yüze
-
Dersin İçeriği Danışmanlı ve Danışmansız öğrenme, Regresyon, Doğrusal sınıflandırıcılar, Öznitelik çıkarımı ve boyut indirgemesi, Koşullu olasılık ve Bayes Teoremi, Çoklu örnekle öğrenme ve sınıflandırıcıların birleştirilmesi
Dersin Verildiği Diller Türkçe
Dersin Hedefleri Bu derste öğrencilerin makine öğrenmesi yöntemlerinin öğrenmeleri ve bir problem çözümü için uygun makine öğrenmesi algoritmasını belirlemesi, kullanması, test etmesi ve bu algoritmayı geliştirmesi hedeflenmektedir.
Dersin Amacı Bu derste makine öğrenmesi teorik ve uygulamalı olarak işlenerek gerçek hayatta karşımıza çıkan örüntü tanıma problemlerine çözüm bulma hedeflenmektedir.
WorkPlacement ..
Hafta Konular  
1 Makine Öğrenmesine Giriş, Temel Terimler
2 Danışmanlı – Danışmansız Öğrenme, Veri Hazırlama, Çapraz Geçerlik, Aşırı Eğitim
3 Entropi, Karar Ağaçları (ID3 ve C4.5 algoritmaları), Sınıflandırma ve Regresyon Ağaçları
4 Doğrusal Regresyon, Çoklu Doğrusal Regresyon,
5 En Küçük Kareler Yöntemi, Eşikleme ve Yarışmalı Sınıflandırma
6 Doğrusal Sınıflandırıcılar
7 Koşullu olasılık, Bayes Teoremi ve Bayes Öğrenme
8 Vize Sınavı
9 Özellik Çıkartma ve Seçme, Boyut Azaltma, Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA)
10 Kümeleme Algoritmaları
11 Çoklu Örnekle Öğrenme
12 Sınıflandırıcıların Birleştirilmesi
13 Proje Sunumları
14 Proje Sunumları
No Bölüm Öğrenme Çıktısı Katkı Düzeyi
1 Matematik ve fen bilgilerini mühendislikte uygulama becerisi kazanır. 5
2 Deney tasarlama, deney yapma, deney sonuçlarını analiz etme ve yorumlama becerisi kazanır. 5
3 İstenen gereksinimleri karşılayacak biçimde bir sistemin(donanım veya yazılım) süreçlerini tasarlayabilir. 4
4 Çok disiplinli konularda çalışabilir. 3
5 Mühendislik problemlerini tanımlama, modelleme ve çözme becerisi kazanır 5
6 Mesleki ve etik sorumluluk bilinci kazanır. 2
7 Mühendislik çözümlerinin evrensel ve ulusal boyutlarda etkilerini anlama becerisi kazanır. 5
8 Yaşam boyu öğrenmenin gerekliliği, bilinci ve bunu gerçekleştirebilme becerisi kazanır 0
9 Mühendislik uygulamaları için gerekli olan teknikleri ve modern araçları kullanma becerisi kazanır 3
10 Zaman yönetimi yapabilme ve meslek gelişimi planlayabilme becerisi kazanır. 5
11 Bilgisayar mühendisliği ile ilgili projeleri ayrıntıları ile planlayabilme becerileri kazanır. 5
12 Yenilikçi ve sorgulayıcı düşünüp sıra dışı yollar keşfedebilme becerisi kazanır 4
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 60
Kısa Sınav 0 0
Ödev 4 20
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 1 20
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 60
Finalin Başarıya Oranı 40
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 12 3 36
Sınıf Dışı Ders Çalışma Süresi 15 5 75
Ödevler 4 1 4
Sunum 1 1 1
Proje 1 2 2
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Ara Sınavlar 1 1 1
Yarıyıl Sonu Sınavı 1 1 1
İşyükü Saati (30) 30
Toplam İşyükü / Saat 0    
Dersin Akts Kredisi 0    
Ders Notu ..
Diğer Kaynaklar C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007. R. O. Duda, Pattern Classification, Wiley-Interscience, 2000. T. Mitchell, "Machine Learning", McGraw-Hill, 1997.
Materyal
Dökümanlar ..
Ödevler ..
Sınavlar ..
Materyal Diğer ..
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri
Konferanslar, Uygulamalı Dersler, Sunumlar, Seminerler, Projeler, Laboratuar Uygulamaları(gerekirse)