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
Bu dersin amacı, istatistiksel yöntemlerin yapay öğrenme (machine learning) alanındaki temel rolünü öğretmek ve öğrencilere modelleme, tahmin ve karar verme süreçlerinde istatistiksel bakış açısı kazandırmaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Öğrenci, istatistiksel modelleme tekniklerini kullanarak veriler üzerinde uygun makine öğrenmesi algoritmalarını seçebilir ve uygulayabilir. |
| 2 | Öğrenci, istatistiksel öğrenme yöntemlerini kullanarak modelin doğruluğunu değerlendirebilir ve yorumlayabilir. |
| 3 | Öğrenci, veri analizi sürecinde istatistiksel bakış açısını kullanarak problem çözme ve karar verme yetkinliği kazanır. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Olasılık ve İstatistik Lineer Cebir Temel Programlama (Python veya R tercih edilir) Giriş düzeyinde Makine Öğrenmesi
Ders İçin Önerilen Diğer Hususlar
Python ya da R programlama dili bilgisi dersin takibi açısından önemlidir. Öğrencilerin istatistiksel düşünme yetilerini geliştirmesi beklenir. Veri bilimi ve makine öğrenmesi alanlarında projelere katılım teşvik edilir.
Dersin İçeriği
Parametrik ve parametrik olmayan yöntemler Regresyon (doğrusal, lojistik) Bayesci öğrenme Karar ağaçları ve topluluk yöntemleri Destek vektör makineleri (SVM) Kümeleme ve boyut indirgeme Model değerlendirme ve çapraz doğrulama
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Giriş ve Temel Kavramlar | Ders anlatımı, örneklerle açıklama | Yapay öğrenmeye genel bakış okumaları |
| 2 | Olasılık ve İstatistik Temelleri | Kavramsal anlatım, kısa alıştırmalar | Temel istatistik notlarını gözden geçirme |
| 3 | Lineer Regresyon | Uygulamalı anlatım, kodlama örnekleri | Doğrusal cebir ve regresyon tanımı |
| 4 | Lojistik Regresyon | Kod temelli uygulamalar, grafik analiz | Olasılık ve sigmoid fonksiyonu hakkında bilgi |
| 5 | Model Karmaşıklığı ve Aşırı Uydurma | Vaka analizi, tartışma | Eğitim/test ayrımı hakkında okuma |
| 6 | Model Doğrulama | Uygulamalı örnekler, çapraz doğrulama | Basit veri setleri ile deneme |
| 7 | Karar Ağaçları | Şema çizimi, örnek uygulamalar | Entropi ve bilgi kazancı kavramlarını inceleme |
| 8 | Topluluk Yöntemleri | Grup çalışması, algoritma karşılaştırması | Random forest ve boosting hakkında temel bilgiler |
| 9 | Bayesci Öğrenme | Teorik açıklama, basit örnekler | Bayes teoremi çalışması |
| 10 | Destek Vektör Makineleri | Görsel anlatım, uygulama | Vektörler ve düzlemlerle ilgili temel bilgiler |
| 11 | Kümeleme Algoritmaları | Kod yazımı, veri görselleştirme | K-means algoritmasının mantığını öğrenme |
| 12 | Boyut İndirgeme Teknikleri | Matematiksel açıklama, PCA uygulaması | Kovaryans matrisi ve özdeğerler üzerine çalışma |
| 13 | Performans Ölçütleri | Grafikle analiz, örnek uygulamalar | Doğruluk, kesinlik, F1 skoru gibi metrikleri inceleme |
| 14 | Gerçek Dünya Uygulamaları | Proje sunumu, vaka çalışmaları | Makine öğrenmesi projelerinden örnekler inceleme |
| 15 | Dönem Projesi Sunumu ve Değerlendirme | Öğrenci sunumu, geri bildirim | Proje raporunun tamamlanması |
Ders Kitabı Malzemesi Önerilen Kaynaklar
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
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 72 | 72 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 76 | 76 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | ||
| ÖÇ 2 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | ||
| ÖÇ 3 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek