Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
---|---|---|---|---|---|---|
YZM511 | İstatistiksel Yapay Öğrenme | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Yüksek Lisans
İstatistiksel Yapay Öğrenme dersinin amacı, öğrencilere istatistiksel öğrenme ve makine öğrenmesi alanındaki temel prensipleri ve teknikleri anlatmaktır. Bu, alanındaki çeşitli istatistiksel modelleri, algoritmaları ve metodolojileri öğrenmekle birlikte, bu teknikleri veri analizi yapmak ve tahminlerde bulunmak için pratikte kullanma becerisi kazandırmayı içerir. Ayrıca, ders, öğrencileri gerçek dünya uygulamaları ve alandaki araştırmalar için hazırlamak amacıyla istatistiksel yapay öğrenmedeki ileri düzey konuları ve gelişen trendleri inceleyebilir.
1 | Temel istatistiksel ve matematiksel kavramları anlamak |
2 | Makine öğrenmesi algoritmalarını anlamak ve uygulamak |
3 | Veri analizi ve model değerlendirme becerilerini geliştirmek |
4 | Gerçek dünya veri setleri üzerinde makine öğrenmesi tekniklerini uygulamak. |
5 | İleri düzey istatistiksel öğrenme konularını incelemek ve tartışmak |
Birinci Öğretim
Yok
Yok
İstatistiksel Yapay Öğrenme dersinin amacı, öğrencilere istatistiksel öğrenme ve makine öğrenmesi alanındaki temel prensipleri ve teknikleri anlatmaktır. Bu, alanındaki çeşitli istatistiksel modelleri, algoritmaları ve metodolojileri öğrenmekle birlikte, bu teknikleri veri analizi yapmak ve tahminlerde bulunmak için pratikte kullanma becerisi kazandırmayı içerir. Ayrıca, ders, öğrencileri gerçek dünya uygulamaları ve alandaki araştırmalar için hazırlamak amacıyla istatistiksel yapay öğrenmedeki ileri düzey konuları ve gelişen trendleri inceleyebilir.
Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
---|---|---|---|
1 | İstatistiksel Yapay Öğrenme Nedir? | ||
2 | Temel İstatistiksel Kavramlar ve Veri Hazırlığı | ||
3 | Basit Doğrusal Regresyon | ||
4 | Çoklu Doğrusal Regresyon ve Model Değerlendirme | ||
5 | Lojistik Regresyon | ||
6 | Karar Ağaçları ve Destek Vektör Makineleri | ||
7 | K-Means Kümeleme | ||
8 | Hiyerarşik Kümeleme ve Kümeleme Sonuçlarının Değerlendirilmesi | ||
9 | Temel Bileşen Analizi (PCA) | ||
10 | Özellik Seçimi Yöntemleri ve Uygulamaları | ||
11 | Yapay Sinir Ağları (ANN) | ||
12 | Derin Öğrenme Modelleri ve Uygulamaları | ||
13 | Dönem boyunca öğrenilen konuların tekrarı, ders değerlendirmesi ve final sınavı için hazırlık süreci. | ||
14 | Dönem boyunca öğrenilen konuların tekrarı, ders değerlendirmesi ve final sınavı için hazırlık süreci. |
Yok
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 |
Yok
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Ara Sınav | 1 | 72 | 72 |
Final Sınavı | 1 | 76 | 76 |
Ara Sınav İçin Bireysel Çalışma | 1 | 1 | 1 |
Final Sınavı içiin Bireysel Çalışma | 1 | 1 | 1 |
Toplam İş Yükü (saat) | 150 |
ÖÇ 1 |
ÖÇ 2 |
ÖÇ 3 |
ÖÇ 4 |
ÖÇ 5 |