GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| FBYZR7021 | Makine Öğrenmesi | Ders | 1 | 1 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Makine öğrenmesinin temelleri, algoritmaları ve teknikleri hakkında bilgi verilmesi, Yazılacak programlarla ve araştırma ile pratik ve teorik olarak makine öğrenmesi konusunda deneyim kazanılması amaçlanmaktadır.
Dersi Veren Öğretim Görevlisi Görevlileri
Prof. Dr. Rıdvan SARAÇOĞLU
Öğrenme Çıktıları
| 1 | Bir problemin çözümü için makine öğrenme yöntemi önerebilme |
| 2 | Makine öğrenme yöntemlerinin performanslarını analiz edebilme |
| 3 | Değişik makine öğrenme yöntemlerinin sonuçlarını birleştirebilme |
| 4 | Makine öğrenme yöntemlerinin teorik ve algoritmik olarak nasıl çalıştıklarını anlayabilme |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
-
Dersin İçeriği
Yapay öğrenmeye giriş; eğitmenli öğrenme, Bayes öğrenmesi, parametrik yöntemler; çok öznitelikli öğrenme, boyut azaltma, Kümeleme Yöntemleri, Parametrik olmayan yöntemler, Doğrusal sınıflandırma, karar destek makineleri, Karar ağaçları, Saklı Markov modelleri, farklı öğrenme yöntemlerinin değerlendirme, karşılaştırması, sınıflandırıcıların birleştirilmesi
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Yapay öğrenmeye giriş | ||
| 2 | Veri Önişleme | ||
| 3 | Makine Öğrenmesinin temel bileşenleri | ||
| 4 | Kümeleme Yöntemleri (Bölümlemeli) | ||
| 5 | Kümeleme Yöntemleri (Yoğunluk Tabanlı) | ||
| 6 | Sınıflandırma ve Sınıflandırma için örnekleme yöntemleri | ||
| 7 | Sınıflandırma (K en Yakın Komşu) | ||
| 8 | Arasınav | ||
| 9 | Bayes Sınıflandırıcısı | ||
| 10 | Karar Ağaçları | ||
| 11 | Karar destek makinaları | ||
| 12 | Saklı Markov modelleri | ||
| 13 | Yapay Sinir ağının temelleri | ||
| 14 | Yapay Sinir ağları ile makine öğrenme uygulamaları | ||
| 15 | Sınıflandırıcıların birleştirilmesi | ||
| 16 | Final Sınavı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Bishop, C., 2006. Pattern Recognition and Machine Learning, Springer
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 50 |
| Uygulama/Pratik | 5 | 50 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 50 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 50 | |
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 | 3 | 42 |
| Uygulama/Pratik | 5 | 5 | 25 |
| Bireysel Çalışma | 14 | 4 | 56 |
| Toplam İş Yükü (saat) | 127 | ||
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 | PÇ 16 | |
| ÖÇ 1 | 3 | 3 | 4 | 2 | 2 | 1 | 3 | 2 | 4 | 5 | 1 | 3 | 1 | 3 | 2 | 3 |
| ÖÇ 2 | 4 | 4 | 4 | 2 | 3 | 2 | 3 | 3 | 3 | 5 | 1 | 3 | 1 | 3 | 2 | 3 |
| ÖÇ 3 | 3 | 4 | 5 | 2 | 3 | 2 | 3 | 4 | 4 | 5 | 1 | 3 | 1 | 3 | 2 | 3 |
| ÖÇ 4 | 3 | 4 | 4 | 2 | 3 | 1 | 3 | 4 | 5 | 5 | 1 | 3 | 1 | 3 | 2 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek