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

Yüksek Lisans


Türkçe


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.


-


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.

Birinci Öğretim


YOK


YOK


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.


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

`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



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 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

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