GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
YZM511 İstatistiksel Yapay Öğrenme Seçmeli Ders Grubu 1 1 6.00 3.00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Dersin Amacı

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.

Dersi Veren Öğretim GörevlisiGörevlileri

Öğrenme Çıktıları

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

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Dersin İçeriği

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.

Haftalık Ayrıntılı Ders İçeriği

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.

Ders Kitabı Malzemesi Önerilen Kaynaklar

Yok

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

Yok

İş Yükü Hesaplaması

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

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