GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| EEMYL520 | MAKİNE ÖĞRENMESİ ALGORİTMALARI | Seçmeli Ders Grubu | 1 | 2 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Ekonomik, çevresel, sosyal, politik, etik, sağlık ve güvenlik, üretilebilirlik ve sürdürülebilirlik gibi gerçekçi kısıtlar içinde istenen ihtiyaçları karşılamak için bir sistem, algoritma, bileşen veya süreç tasarlama becerisini arttırmak. Mühendislik makine öğrenmesi uygulamaları için gerekli olan teknikleri, becerileri ve modern mühendislik araçlarını algoritma tabanlı kullanma becerisini geliştirmek.
Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Gökalp Çınarer
Öğrenme Çıktıları
| 1 | Belirli bir problem ve veri kümesi için en uygun makine öğrenme metodunu seçebilir |
| 2 | Bu problemin çözümü için bilgisayar programı geliştirebilir |
| 3 | Öğrenme algoritmalarını değerlendirebilir, uygulayabilr. |
| 4 | Elektronik bir sistemi programlayabilir |
| 5 | Makine öğrenmesi algoritmalarının sonuçlarını değerlendirebilir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
-
Ders İçin Önerilen Diğer Hususlar
-
Dersin İçeriği
Makine öğrenmesine giriş, örneklemeli öğrenme, çok değişkenli modeller ve regresyon, model derecesi ve genelleme özellikleri, k-means kümeleme algoritması, karar ağaçları, Bayes karar teorisi, yapay sinir ağları, destek vektör makineleri, boyut indirgeme ve temel bileşen analizi.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Makine öğrenmesine giriş | ||
| 2 | Denetimli öğrenme, çok değişkenli modeller regresyon | ||
| 3 | Karar ağacı | ||
| 4 | Veri önişleme | ||
| 5 | Genetik algoritma ve programlama | ||
| 6 | Genetik algoritma ve programlama | ||
| 7 | Bayes öğrenme | ||
| 8 | Arasınav | ||
| 9 | Yapay Sinir Ağları ve Yapıları | ||
| 10 | Yapay Sinir Ağları projesi | ||
| 11 | Desktek Vektör makinesi | ||
| 12 | Öğrenme algoritmalarının değerlendirilmesi, karşılaştırılması | ||
| 13 | Gözetimsiz öğrenme | ||
| 14 | Kümeleme - K-araçlar, En Yakın Komşular |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü Sinan Uğuz
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 60 |
| Quiz | 1 | 20 |
| Ev Ödevi | 1 | 20 |
| 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 | 15 | 15 |
| Laboratuvar | 5 | 2 | 10 |
| Rapor Sunma | 2 | 15 | 30 |
| Proje Sunma | 1 | 10 | 10 |
| Bireysel Çalışma | 10 | 2 | 20 |
| Ara Sınav İçin Bireysel Çalışma | 15 | 2 | 30 |
| Ev Ödevi | 1 | 10 | 10 |
| Toplam İş Yükü (saat) | 126 | ||
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 | |
| ÖÇ 1 | 3 | 4 | 4 | 3 | 5 | 3 | 3 | 3 | |||
| ÖÇ 2 | 3 | 3 | 3 | 4 | |||||||
| ÖÇ 3 | 4 | 3 | 2 | 3 | |||||||
| ÖÇ 4 | 3 | 4 | 3 | 2 | 2 | ||||||
| ÖÇ 5 | 3 | 4 | 3 | 2 | 3 | 3 | 2 | 2 | 3 | 2 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek