|
|
| YZLM5200 | Yapay Öğrenme | 3+0+0 | AKTS:7.5 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Yüksek Lisans(Tezli) | | Yazılım Şekli | Seçmeli | | Bölümü | YAZILIM MÜHENDİSLİĞİ ANABİLİM DALI | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Uzaktan Eğitim | | Dersin Süresi | 14 hafta - haftada 3 saat teorik | | Öğretim Üyesi | Dr. Öğr. Üyesi Asuman GÜNAY YILMAZ | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Makine Öğrenmesi alanındaki son gelişmelere ait bilgi sunmak, algoritmaları gerçek veri kümelerine uygulayarak tecrübe kazandırmak ve güncel literatürdeki makaleleri okuma ve anlama yeteneğini kazandırmak. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Makine öğrenmesindeki temel ilkeleri gerçek hayattan toplanan verilere uygulamak. | 1 - 3 - 4 | 1,3, | | ÖK - 2 : | Makine öğrenme metodları arasındaki farkları ayırtedebilecekler ve hangi veriye hangi metodu uygulayabilme bilgisini kazanacaklardır. | 1 - 3 - 4 | 1,3, | | ÖK - 3 : | Verilen bir makine öğrenme tekniğinin hata ve karmaşıklık analizini yapabilip sonuçları yorumlayabileceklerdi. | 1 - 3 - 4 | 1,3, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Denetimli öğrenme, Denetimsiz Öğrenme, SA, k-NN, Bayes, Hesaplamalı Öğrenim Teorisi, |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Giriş | | | Hafta 2 | Denetimli öğrenme | | | Hafta 3 | Bayesian öğrenme | | | Hafta 4 | Model seçme | | | Hafta 5 | Yapay sinir ağları | | | Hafta 6 | En Yakın Komşu Yöntemi | | | Hafta 7 | Naive Bayesian öğrenme | | | Hafta 8 | Destek vektör makineleri | | | Hafta 9 | Arasınav | | | Hafta 10 | Karar ağaçları | | | Hafta 11 | Öğrenme algoritmaların tasarım ve değerlendirilmesi | | | Hafta 12 | Hesaplamalı Öğrenim Teorisi | | | Hafta 13 | Birleştirme metodları | | | Hafta 14 | Denetimsiz öğrenme | | | Hafta 15 | Denetimsiz öğrenme | | | Hafta 16 | dönem sonu sınavı | | | |
| 1 | Peter Wlodarczak , Machine Learning and its Applications, CRC Press, November 4, 2019 | | | |
| 1 | Alpaydin, Ethem. Introduction to Machine Learning (Adaptive Computation and Machine Learning), 1st Edition, The MIT Press, October 2004. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 2 | 20 | | Proje | 14 | | | 20 | | Ödev | 12 | | | 10 | | Dönem sonu sınavı | 15 | | 2 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 3 | 14 | 42 | | Sınıf dışı çalışma | 3 | 14 | 42 | | Arasınav için hazırlık | 3 | 5 | 15 | | Arasınav | 2 | 1 | 2 | | Ödev | 3 | 10 | 30 | | Proje | 3 | 14 | 42 | | Dönem sonu sınavı için hazırlık | 3 | 5 | 15 | | Dönem sonu sınavı | 2 | 1 | 2 | | Toplam Çalışma Yükü | | | 190 |
|