.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| BLG522 | Makine Öğrenimi Ve Örüntü Tarama | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Makine Öğrenimi ve Örüntü Tarama dersinin amacı, öğrencilere temel makine öğrenimi ve örüntü tarama kavramlarını öğretmek ve bu alanda beceri kazandırmaktır. Bu ders, öğrencilere veri analizi, modelleme ve örüntü tanıma yetenekleri kazandırarak, gerçek dünya problemlerine çözüm üretebilmelerini sağlar. Ayrıca, öğrencilerin bu alanlardaki gelişmeleri takip etmelerini teşvik eder ve yeniliklere uyum sağlamalarını sağlar.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Makine Öğrenimi Temellerini Anlama |
| 2 | Veri Analizi ve Modelleme Yeteneklerini Geliştirme: |
| 3 | Örüntü Tanıma Tekniklerini Uygulama |
| 4 | Makine Öğrenimi Algoritmalarını Değerlendirme |
| 5 | Proje Geliştirme ve Uygulama Yeteneği Kazanma |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
yok
Ders İçin Önerilen Diğer Hususlar
yok
Dersin İçeriği
Makine Öğrenimi ve Örüntü Tarama dersinin amacı, öğrencilere temel makine öğrenimi ve örüntü tarama kavramlarını öğretmek ve bu alanda beceri kazandırmaktır. Bu ders, öğrencilere veri analizi, modelleme ve örüntü tanıma yetenekleri kazandırarak, gerçek dünya problemlerine çözüm üretebilmelerini sağlar. Ayrıca, öğrencilerin bu alanlardaki gelişmeleri takip etmelerini teşvik eder ve yeniliklere uyum sağlamalarını sağlar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Makine Öğrenimi Nedir? Temel Kavramlar ve Tarihçe | ||
| 2 | Örüntü Tarama Nedir? Örüntü Tanımlama ve Özellik Çıkarma | ||
| 3 | En Yakın Komşu (KNN) ve Naif Bayes Sınıflandırıcıları | ||
| 4 | Destek Vektör Makineleri (SVM) ve Karar Ağaçları | ||
| 5 | Lojistik Regresyon ve Çok Sınıflı Sınıflandırma Algoritmaları | ||
| 6 | Doğrusal ve Doğrusal Olmayan Regresyon Modelleri | ||
| 7 | Temel Bileşen Analizi (PCA) ve Boyut Azaltma Teknikleri | ||
| 8 | sınav | ||
| 9 | K-Means Kümeleme ve Hiyerarşik Kümeleme | ||
| 10 | Yapay Sinir Ağları (ANN) ve Derin Öğrenme Modelleri | ||
| 11 | Evrişimli Sinir Ağları (CNN) ve Uygulamaları | ||
| 12 | Görüntü İşleme ve Örüntü Tarama | ||
| 13 | Örüntü Tarama Uygulamaları ve Proje Çalışması | ||
| 14 | Öğrenci projelerinin sunumu ve geri bildirim alınması | ||
| 15 | Dönem boyunca öğrenilen konuların tekrarı, ders değerlendirmesi ve final sınavı için hazırlık süreci. | ||
| 16 | sınav |
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
| 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 | 4 | 5 | 5 | 5 | 4 | 4 | 5 | 5 | 5 | 4 | 4 | 5 | 5 | 5 | 5 |
| ÖÇ 2 | 4 | 4 | 5 | 5 | 5 | 4 | 4 | 4 | 5 | 5 | 5 | 4 | 4 | 5 | 5 |
| ÖÇ 3 | 5 | 5 | 5 | 5 | 4 | 4 | 5 | 5 | 5 | 4 | 4 | 5 | 5 | 5 | 5 |
| ÖÇ 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 | 4 | 5 | 4 | 4 | 4 |
| ÖÇ 5 | 5 | 5 | 5 | 5 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek