Türkçe|English  
  KTU Course Catalogue  
Arama Yapmak İstediğiniz Anahtar Kelimeyi Giriniz :       
OF TEKNOLOJİ FAKÜLTESİ / YAZILIM MÜHENDİSLİĞİ / YAZILIM MÜHENDİSLİĞİ
  Genel Bilgiler
  Yönetim
  Amaç ve Öğrenme Çıktıları
  Akademik Personel
  Ders Programı
     1. Yıl
     2. Yıl
     3. Yıl
     4. Yıl
   Öğrenme Çıktıları Matrisi
 
  Doktora Programları
  Yüksek Lisans Programları
  Lisans Programları
  Meslek Yüksek Okulları
 
  Geri
  Ana Sayfa
  KTÜ Ana Sayfa

BHS 410 MAKİNE ÖĞRENMESİ 2+0+0 ECTS:4
Yıl / Yarıyıl4. Yıl / Bahar Dönemi
Ders DuzeyiLisans
Yazılım ŞekliSeçmeli
BolumuYazılım Mühendisliği Bölümü
Ön KoşulYok
Öğretim SistemiYüz yüze , Grup çalışması
Dersin suresi14 hafta - haftada 2 saat teorik
Öğretim ÜyesiYRD. DOÇ. DR. Eyüp GEDİKLİ
Diğer Öğretim Üyesi / Üyeleri
Öğretim Dili Türkçe
StajYok
 
Dersin Amacı
Yapay öğrenme sistemlerinin temellerini öğretmektir. Yapay öğrenme algoritmaları matematiksel modeli kurulamayan fakat giriş çıkış davranışı bilinen sistemlerin donanım-yazılımsal gerçeklenmesine imkan sağlar. İnsanlarda olduğu gibi, bazı işleri matematik kullanmadan da eğitimle yürütmenin mümkün olabileceğini göstermektir.
 

Öğrenme Çıktıları

BPÇK

ÖY

Bu dersi başarı ile tamamlayan öğrenciler :

ÖÇ - 1 :

Yapay Öğrenme modellerini ve yapılarını tanıyabilir.

1,2,3,4,5,6,12,13

1,3

ÖÇ - 2 :

Dağılıma dayalı öğrenme yapısı ve eğitimi hakkında bilgi kazanabilir.

1,2,3,4,5,6,12,13

1,3

ÖÇ - 3 :

Çok değişkenli veri analizi ve boyut indirgeme yöntemlerinin yapısı ve eğitimi hakkında bilgi kazanabilir.

1,2,3,4,5,6,12,13

1,3

ÖÇ - 4 :

Dağılımdan bağımsız yöntemlerin çalışmasını ve eğitimini inceleyebilir.

ÖÇ - 5 :

Doğrusal ve Doğrusal olmayan sınıflandırıcı yöntemlerinin yapısı ve eğitimi hakkında bilgi kazanabilir.

1,2,3,12

BPÇK : Bölüm program çıktılarına 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), ÖÇ : Öğrenme Çıktısı

 

Dersin İçeriği

Giriş; Gözetimli Öğrenme; Bayesçi Karar Kuramı; Dağılıma Bağlı Yöntemler; Çok Değişkenli Yöntemler; Boyut Azaltma; Öbekleme; Dağılımdan Bağımsız Yöntemler; Karar Ağaları; Doğrusal Sınıflandırma; Çok Katmanlı Algılayıcılar; Yerel Modeller; Çekirdek Makineleri; Pekiştirmeli Öğrenme.

 

Haftalık Detaylı Ders İçeriği

 Hafta

Detaylı İçerik

Önerilen Kaynak

 Hafta 1

Makine öğrenmesine giriş.

 Hafta 2

Gözetimli Öğrenme

 Hafta 3

Bayesçi Karar Kuramı

 Hafta 4

Dağılıma Bağlı Yöntemler

 Hafta 5

Çok Değişkenli Yöntemler

 Hafta 6

Boyult Azaltma

 Hafta 7

Öbekleme

 Hafta 8

Dağılımdan Bağımsız Yöntemler

 Hafta 9

Ara Sınav

 Hafta 10

Karar Ağaçları

 Hafta 11

Doğrusal Ayrıştırma

 Hafta 12

Çok Katmanlı Algılayıcılar

 Hafta 13

Yerel Modeller

 Hafta 14

Çekirdek Makineleri

 Hafta 15

Pekiştirmeli Öğrenme

 Hafta 16

Dönem Sonu Sınavı

 

Ders Kitabı / Malzemesi

1Introduction to Machine Learning, Ethem Alpaydın, The MIT Press, 2004.

 

İlave Kaynak

1Pattern Classification 2nd Edition, R.O. Duda, P. E. Hart, D. G. Stork, John Wiles and Sons, Inc.

2Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer.

 

Ölçme Yöntemi

Yöntem

Hafta

Tarih

Süre (Saat)

Katkı (%)

Arasınav

8

30

Proje

13

20

Dönem sonu sınavı

16

50

 

Öğrenci İş Yükü

İşlem adı

Haftalık süre (saat)

Hafta sayısı

Dönem toplamı

Yüz yüze eğitim

2

14

28

Sınıf dışı çalışma

3

14

42

Laboratuar çalışması

0

0

0

Arasınav için hazırlık

2

9

18

Arasınav

2

1

2

Uygulama

0

0

0

Klinik Uygulama

0

0

0

Ödev

3

4

12

Proje

0

0

0

Kısa sınav

0

0

0

Dönem sonu sınavı için hazırlık

4

3

12

Dönem sonu sınavı

2

1

2

Diğer 1

0

0

0

Diğer 2

0

0

0

Toplam iş yükü

116