GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| ADSL-185 | TEMEL BİLİMLERDE MAKİNE ÖĞRENMESİ | Seçmeli Ders Grubu | 2 | 3 | 2,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Dersin amacı Makine Öğrenmesi konuları hakkında temel bilgilerin verilmesi ve uygulama örnekleri ile birlikte öğretilmesidir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Tarık Akan
Öğrenme Çıktıları
| 1 | Öğrenci makine öğrenmesi temellerini anlar. |
| 2 | Karar destek ve arama sistemlerini uygular. |
| 3 | Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir. |
| 4 | Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar. |
| 5 | Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Veri analizi, hazırlama, algoritma değerlendirmesi ve sonuç sunumu gibi adımları kapsar. Öğrenciler, veriyi anlama, önişleme, özellik seçimi, yeniden örnekleme gibi beceriler kazanır. Ayrıca sınıflandırma, regresyon algoritmalarını incelemek, ensemble yöntemleri ve parametre ayarlama gibi ileri konuları öğrenmek de dersin hedeflerindendir. Bu ders, öğrencilere makine öğrenimi alanında sağlam temel bilgi ve yetenekler kazandırmayı amaçlar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Makine Öğrenmesine Giriş | ||
| 2 | Problem Çözme ve Arama Algoritmaları | ||
| 3 | Bilgi, Akıl Yürütme ve Mantıksal Çıkarım | ||
| 4 | Bilgi, Akıl Yürütme ve Mantıksal Çıkarım | ||
| 5 | Önermeler Mantığı | ||
| 6 | Lineer Ayırt Edici | ||
| 7 | Yapay Nöron Ağları | ||
| 8 | Destek Vektör Makineleri | ||
| 9 | Mantık Programlamanın Temelleri | ||
| 10 | Karar Ağaçları ile Öğrenme | ||
| 11 | Genetik Algoritmalar ve Genetik Programlama | ||
| 12 | Model Seçimi. (Algoritmaların Değerlendirilmesi) | ||
| 13 | Model Seçimi. (Algoritmaların Değerlendirilmesi) | ||
| 14 | Algoritma Parametre Ayarlama. (Sonuçların İyileştirilmesi) |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Introduction to Machine Learning, Ethem Alpaydin, The MIT Press,2010 Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 75 |
| Quiz | 1 | 25 |
| 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 | 1 | 1 |
| Final Sınavı | 1 | 2 | 2 |
| Quiz | 1 | 1 | 1 |
| Derse Katılım | 14 | 2 | 28 |
| Bireysel Çalışma | 14 | 1 | 14 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 1 | 1 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 1 | 1 |
| Quiz için Bireysel Çalışma | 1 | 2 | 2 |
| Toplam İş Yükü (saat) | 50 | ||
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 | PÇ 17 | PÇ 18 | |
| ÖÇ 1 | ||||||||||||||||||
| ÖÇ 2 | ||||||||||||||||||
| ÖÇ 3 | ||||||||||||||||||
| ÖÇ 4 | ||||||||||||||||||
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek