GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
YZM505 Makine Öğrenme ve Örüntü Tanıma Seçmeli Ders Grubu 1 1 6.00 3.00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Bu dersin amacı, öğrencilere makine öğrenme ve örüntü tanıma konularını öğretmek, denetimli ve denetimsiz öğrenme yöntemlerine odaklanmak, doğal dil işleme, derin öğrenme, örüntü tanıma gibi önemli konuları ele almak, öğrenme kuramları ve otomatik öğrenme araçlarını keşfetmek, makine öğrenme ve örüntü tanıma alanındaki gelecek trendlerini ve uygulamalarını incelemektir.

Dersi Veren Öğretim GörevlisiGörevlileri

-

Öğrenme Çıktıları

1 Makine öğrenme ve örüntü tanıma kavramlarını anlama becerisi geliştirmek.
2 Makine öğrenme algoritmalarını anlama, analiz etme ve uygulama yetkinliği kazanmak.
3 Makine öğrenme model seçimi, eğitimi ve değerlendirmesi becerisi geliştirmek.
4 Örüntü tanıma tekniklerini anlama ve uygulama yetkinliği kazanmak.
5 Makine öğrenme ve örüntü tanıma projelerinde performans değerlendirmesi ve raporlama becerisi geliştirmek.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

YOK

Ders İçin Önerilen Diğer Hususlar

YOK

Dersin İçeriği

Bu dersin amacı, öğrencilere makine öğrenme ve örüntü tanıma konularını öğretmek, denetimli ve denetimsiz öğrenme yöntemlerine odaklanmak, doğal dil işleme, derin öğrenme, örüntü tanıma gibi önemli konuları ele almak, öğrenme kuramları ve otomatik öğrenme araçlarını keşfetmek, makine öğrenme ve örüntü tanıma alanındaki gelecek trendlerini ve uygulamalarını incelemektir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Makine Öğrenmeye Giriş
2 Denetimli Öğrenme: Sınıflandırma
3 Denetimli Öğrenme: Regresyon
4 Denetimsiz Öğrenme: Kümeleme
5 Boyut Azaltma ve Öznitelik Seçimi
6 Makine Öğrenme Performans Değerlendirme
7 Doğal Dil İşleme ve Metin Sınıflandırması
8 Ara Sınav
9 Derin Öğrenme Uygulamaları ve Gelişmiş Sinir Ağları
10 Öğrenme Kuramları ve Öğrenme Otomasyonu
11 Örüntü Tanıma: Temel Kavramlar ve Yöntemler
12 Örüntü Tanıma: Biyometrik Uygulamalar ve Yüz Tanıma
13 Örüntü Tanıma: Hareket Tanıma ve Nesne Algılama
14 Makine Öğrenme ve Örüntü Tanıma'da Gelecek Trendler ve Uygulamalar
15 Final Sınavı

Ders Kitabı Malzemesi Önerilen Kaynaklar

"Pattern Recognition and Machine Learning" - Christopher M. Bishop "Machine Learning: A Probabilistic Perspective" - Kevin P. Murphy "Deep Learning" - Ian Goodfellow, Yoshua Bengio, Aaron Courville "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" - Aurélien Géron "Pattern Classification" - Richard O. Duda, Peter E. Hart, David G. Stork

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Staj Durumu

-

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 1 1
Final Sınavı 1 1 1
Ara Sınav İçin Bireysel Çalışma 1 76 76
Final Sınavı içiin Bireysel Çalışma 1 72 72
Toplam İş Yükü (saat) 150

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ 1
ÖÇ 2
ÖÇ 3
ÖÇ 4
ÖÇ 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek