Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
---|---|---|---|---|---|---|
ESOF312 | Machine Learning and Pattern Recognition | Seçmeli Ders Grubu | 3 | 6 | 6.00 | 3.00 |
Lisans
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.
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. |
Birinci Öğretim
yok
Yok
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
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 |
Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü (Yazar: Sinan Uğuz Yayınevi: Nobel Akademik Yayıncılık)
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 |
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 |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | |
ÖÇ 1 | 5 | ||||||||||
ÖÇ 2 | 5 | ||||||||||
ÖÇ 3 | 5 | ||||||||||
ÖÇ 4 | 5 | ||||||||||
ÖÇ 5 | 5 |