[GeriDon]
[DersOgretimPlani]
| [DersinKodu] | [DersinAdi] | [DersinTuru] | [Yil] | [YariYil] | [Ects] |
|---|---|---|---|---|---|
| EEMYL520 | MAKİNE ÖĞRENMESİ ALGORİTMALARI | Seçmeli Ders Grubu | 1 | 1 | 5,00 |
[DersinSeviyesi]
[YuksekLisans]
[DersDili]
Türkçe
[DersinAmaci]
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.
[DersiVerenGorevli]
Dr. Öğr. Üyesi Gökalp Çınarer
[OgrenmeCiktilari]
| 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. |
[OgrenimTuru]
Birinci Öğretim
[DersOnKosulu]
-
[OnerilenDigerHususlar]
-
[DersinIcerigi]
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.
[HaftalikDersIcerigi]
| [Hafta] | [Teorik] | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 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 |
[DersKitabi]
Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü Sinan Uğuz
[PlanlananYontemler]
[Degerlendirme]
| Yarıyıl (Yıl) İçi Etkinlikleri | [Adet] | [Deger] |
|---|---|---|
| Ara Sınav | 1 | 60 |
| Quiz | 1 | 20 |
| Ev Ödevi | 1 | 20 |
| [Toplam] | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | [Adet] | [Deger] |
| Final Sınavı | 1 | 100 |
| [Toplam] | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
[StajDurumu]
-
[IsYukuHesaplamasi]
| [Etkinlikler] | [Sayisi] | [Suresi] | [ToplamIsYuku] |
|---|---|---|---|
| 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 |
| [ToplamIsYuku] | 126 | ||
[PCOCIliskisi]
| [PC] 1 | [PC] 2 | [PC] 3 | [PC] 4 | [PC] 5 | [PC] 6 | [PC] 7 | [PC] 8 | [PC] 9 | [PC] 10 | [PC] 11 | |
| [OC] 1 | 3 | 4 | 4 | 3 | 5 | 3 | 3 | 3 | |||
| [OC] 2 | 3 | 3 | 3 | 4 | |||||||
| [OC] 3 | 4 | 3 | 2 | 3 | |||||||
| [OC] 4 | 3 | 4 | 3 | 2 | 2 | ||||||
| [OC] 5 | 3 | 4 | 3 | 2 | 3 | 3 | 2 | 2 | 3 | 2 |
[PCOCAciklama]