Makine öğrenmesi tekniklerini uygulayabilmek ve değerlendirebilmek.
Dersin İçeriği
Bu ders; Makine öğrenmesinin temelleri ,Regresyon ,Sınıflandırmanın temelleri ,Bayes sınıflandırıcı ,Lojistik regresyon,Destek vektör makineleri ,Sinir ağları ,Evrişimsel sinir ağları ,Karar ağaçları ,Topluluk metotları ,Öznitelik seçimi ,Temel komponent analizi ,Öbekleme ,Model değerlendirme ; konularını içermektedir.
Dersin Öğrenme Kazanımları
Öğretim Yöntemleri
Ölçme Yöntemleri
Regresyon tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Regresyon tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Regresyon tekniklerini değerlendirir.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini değerlendirir.
12, 14, 16, 6, 9
A, E
Gözetimsiz makine öğrenmesi tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Gözetimsiz makine öğrenmesi tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Öznitelik seçim / analiz tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Öznitelik seçim / analiz tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Öğretim Yöntemleri:
12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Makine öğrenmesinin temelleri
2
Regresyon
3
Sınıflandırmanın temelleri
4
Bayes sınıflandırıcı
5
Lojistik regresyon
6
Destek vektör makineleri
7
Sinir ağları
8
Evrişimsel sinir ağları
9
Karar ağaçları
10
Topluluk metotları
11
Öznitelik seçimi
12
Temel komponent analizi
13
Öbekleme
14
Model değerlendirme
Kaynak
Bishop, “Pattern Recognition and Machine Learning,” Springer, (1st edition) Duda, Hart, and Stork, “Pattern Classification,” Wiley-Interscience, (2nd edition)
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
X
2
Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir.
X
3
Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler.
X
4
Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir.
X
5
Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir.
6
Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır.
X
7
Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir.
X
8
Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır.
X
9
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler.
10
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
Değerlendirme Sistemi
Katkı Düzeyi
Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı
50
Genel Sınavın Başarıya Oranı
50
Toplam
100
AKTS / İşyükü Tablosu
Etkinlik
Sayı
Süresi (Saat)
Toplam İş Yükü (Saat)
Ders Saati
14
3
42
Rehberli Problem Çözme
0
0
0
Problem Çözümü / Ödev / Proje / Rapor Tanzimi
3
15
45
Okul Dışı Diğer Faaliyetler
0
0
0
Proje Sunumu / Seminer
2
25
50
Kısa Sınav (QUİZ) ve Hazırlığı
0
0
0
Ara Sınav ve Hazırlığı
1
45
45
Genel Sınav ve Hazırlığı
1
45
45
Performans Görevi, Bakım Planı
0
0
0
Toplam İş Yükü (Saat)
227
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(227/30)
8
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.
Dersin Detaylı Bilgileri
Ders Tanımı
Ders
Kodu
Yarıyıl
T+U Saat
Kredi
AKTS
MAKİNE ÖĞRENMESİ
-
Güz Dönemi
3+0
3
8
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili
İngilizce
Dersin Seviyesi
Yüksek Lisans
Dersin Türü
Programa Bağlı Seçmeli
Dersin Koordinatörü
Prof.Dr. Bahadır Kürşat GÜNTÜRK
Dersi Verenler
Prof.Dr. Bahadır Kürşat GÜNTÜRK
Dersin Yardımcıları
Dersin Amacı
Makine öğrenmesi tekniklerini uygulayabilmek ve değerlendirebilmek.
Dersin İçeriği
Bu ders; Makine öğrenmesinin temelleri ,Regresyon ,Sınıflandırmanın temelleri ,Bayes sınıflandırıcı ,Lojistik regresyon,Destek vektör makineleri ,Sinir ağları ,Evrişimsel sinir ağları ,Karar ağaçları ,Topluluk metotları ,Öznitelik seçimi ,Temel komponent analizi ,Öbekleme ,Model değerlendirme ; konularını içermektedir.
Dersin Öğrenme Kazanımları
Öğretim Yöntemleri
Ölçme Yöntemleri
Regresyon tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Regresyon tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Regresyon tekniklerini değerlendirir.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Sınıflandırma tekniklerini değerlendirir.
12, 14, 16, 6, 9
A, E
Gözetimsiz makine öğrenmesi tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Gözetimsiz makine öğrenmesi tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Öznitelik seçim / analiz tekniklerini anlar.
12, 14, 16, 6, 9
A, E
Öznitelik seçim / analiz tekniklerini uygular.
12, 14, 16, 6, 9
A, E
Öğretim Yöntemleri:
12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Makine öğrenmesinin temelleri
2
Regresyon
3
Sınıflandırmanın temelleri
4
Bayes sınıflandırıcı
5
Lojistik regresyon
6
Destek vektör makineleri
7
Sinir ağları
8
Evrişimsel sinir ağları
9
Karar ağaçları
10
Topluluk metotları
11
Öznitelik seçimi
12
Temel komponent analizi
13
Öbekleme
14
Model değerlendirme
Kaynak
Bishop, “Pattern Recognition and Machine Learning,” Springer, (1st edition) Duda, Hart, and Stork, “Pattern Classification,” Wiley-Interscience, (2nd edition)
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
X
2
Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir.
X
3
Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler.
X
4
Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir.
X
5
Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir.
6
Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır.
X
7
Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir.
X
8
Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır.
X
9
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler.
10
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.