Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
MAKİNE ÖĞRENMESİNE GİRİŞ | COE3167980 | Güz Dönemi | 3+0 | 3 | 6 |
Ders Programı | Pazartesi 09:00-09:45 Pazartesi 10:00-10:45 Pazartesi 11:00-11:45 Pazartesi 12:00-12:45 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | 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 uygular | 12, 14, 16, 6, 9 | A, E |
Sınıflandırma tekniklerini değerlendirir | 12, 14, 16, 6, 9 | A, E |
Gözetimsiz makine öğrenmesi uygular | 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 | 1. Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | X | |||||
2 | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
3 | 3. Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
4 | 4. Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
5 | 5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
6 | 6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | ||||||
7 | 7. Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | ||||||
8 | 8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
9 | 9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | ||||||
10 | 10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | ||||||
11 | 11. Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 30 | |
Genel Sınavın Başarıya Oranı | 70 | |
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 | 0 | 0 | 0 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 0 | 0 | 0 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
Ara Sınav ve Hazırlığı | 1 | 24 | 24 | |||
Genel Sınav ve Hazırlığı | 1 | 24 | 24 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
Toplam İş Yükü (Saat) | 90 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(90/30) | 3 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
MAKİNE ÖĞRENMESİNE GİRİŞ | COE3167980 | Güz Dönemi | 3+0 | 3 | 6 |
Ders Programı | Pazartesi 09:00-09:45 Pazartesi 10:00-10:45 Pazartesi 11:00-11:45 Pazartesi 12:00-12:45 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | 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 uygular | 12, 14, 16, 6, 9 | A, E |
Sınıflandırma tekniklerini değerlendirir | 12, 14, 16, 6, 9 | A, E |
Gözetimsiz makine öğrenmesi uygular | 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 | 1. Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | X | |||||
2 | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
3 | 3. Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
4 | 4. Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
5 | 5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
6 | 6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | ||||||
7 | 7. Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | ||||||
8 | 8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
9 | 9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | ||||||
10 | 10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | ||||||
11 | 11. Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 30 | |
Genel Sınavın Başarıya Oranı | 70 | |
Toplam | 100 |