GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
EBLG360 Makine Öğrenmesi ve Örüntü Tanıma Seçmeli Ders Grubu 3 6 6.00 3.00

Dersin Seviyesi

Lisans

Dersin Sunulduğu Dil

Dersin Amacı

Makine Öğrenmesi, karar teorileri ve sınıflandırılması; diskriminant fonksiyonları; denetimli ve denetimsiz eğitim; kümeleme; özellik çıkarımı ve boyutsal azaltılması; ardışık ve hiyerarşik sınıflandırma, eğitim, özellik çıkarımı ve mühendislik problemlerine karar kuralları uygulamaları.

Dersi Veren Öğretim GörevlisiGörevlileri

Öğrenme Çıktıları

1 Öğrenci makine öğrenmesi temellerini kavrar.
2 Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını kavrar.
3 Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir.
4 Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar.
5 Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

yok

Ders İçin Önerilen Diğer Hususlar

Yok

Dersin İçeriği

Giriş, Karar Ağaçları, Örnek Tabanlı Öğrenme, Bayesçi Öğrenme, Lojistik Regresyon, Sinir Ağları, Destek Vektör Makineleri, Model Seçimi, Özellik Seçimi, Kümeleme, k-ortalama, Maksimum Beklenti, Gauss Karışım Modeli, Topluluk Öğrenmesi, Çekişmeli Öğrenme, Derin Öğrenme, Ödül-Ceza ile Öğrenme

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik Uygulama [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Makine öğrenmesine giriş
2 Gözetimli öğrenme: sınıflandırma ve linear regrasyon
3 Bayesçi karar Kuramı-Naive Bayes
4 Dağılımdan bağımsız yöntemler
5 Boyut azaltma -öznitelik seçimi
6 Öbekleme[Clustering - Hierarchical clustering (single and complete linkage, dendogram, nested clusters)]
7 Karar ağaçları
8 Ara Sınav
9 Doğrusal ayrımcılık analizi, temel birleşenler analizi
10 Destekçi öğrenme makinesi [Support Vector Machines - NonLinear]
11 Topluluk öğrenmesi
12 Yapay sinir ağları
13 Makine öğrenmesi model seçimi
14 Makine Öğrenimi Deneylerinin Tasarımı ve Analizi

Ders Kitabı Malzemesi Önerilen Kaynaklar

Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü (Yazar: Sinan Uğuz Yayınevi: Nobel Akademik Yayıncılık)

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 34
Proje Hazırlama 1 33
Ödev Problemleri için Bireysel Çalışma 1 33
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 60
Yarıyıl (Yıl) Sonu Etkinlikleri 40

Staj Durumu

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 2 2
Final Sınavı 1 2 2
Derse Katılım 14 2 28
Proje Hazırlama 1 30 30
Bireysel Çalışma 14 2 28
Ödev Problemleri için Bireysel Çalışma 3 6 18
Ara Sınav İçin Bireysel Çalışma 1 10 10
Final Sınavı içiin Bireysel Çalışma 1 20 20
Toplam İş Yükü (saat) 138

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