Ana içeriğe atla

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
MAKİNE ÖĞRENMESİNE GİRİŞ-Güz Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersi VerenlerProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersin Yardımcıları
Dersin AmacıMakine öğrenmesi tekniklerini uygulayabilmek ve değerlendirebilmek.
Dersin İçeriğiBu 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 KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Regresyon tekniklerini uygular12, 14, 16, 6, 9A, E
Sınıflandırma tekniklerini değerlendirir12, 14, 16, 6, 9A, E
Gözetimsiz makine öğrenmesi uygular12, 14, 16, 6, 9A, E
Öznitelik seçim / analiz tekniklerini uygular12, 14, 16, 6, 9A, 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

SıraKonularÖn Hazırlık
1Makine öğrenmesinin temelleri
2Regresyon
3Sınıflandırmanın temelleri
4Bayes sınıflandırıcı
5Lojistik regresyon
6Destek vektör makineleri
7Sinir ağları
8Evrişimsel sinir ağları
9Karar ağaçları
10Topluluk metotları
11Öznitelik seçimi
12Temel komponent analizi
13Öbekleme
14Model 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
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi
2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
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
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
5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
7
Türkçe 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
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
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 DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Saati14342
Rehberli Problem Çözme000
Problem Çözümü / Ödev / Proje / Rapor Tanzimi000
Okul Dışı Diğer Faaliyetler000
Proje Sunumu / Seminer000
Kısa Sınav (QUİZ) ve Hazırlığı000
Ara Sınav ve Hazırlığı12424
Genel Sınav ve Hazırlığı12424
Performans Görevi, Bakım Planı000
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

DersKoduYarıyılT+U SaatKrediAKTS
MAKİNE ÖĞRENMESİNE GİRİŞ-Güz Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersi VerenlerProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersin Yardımcıları
Dersin AmacıMakine öğrenmesi tekniklerini uygulayabilmek ve değerlendirebilmek.
Dersin İçeriğiBu 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 KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Regresyon tekniklerini uygular12, 14, 16, 6, 9A, E
Sınıflandırma tekniklerini değerlendirir12, 14, 16, 6, 9A, E
Gözetimsiz makine öğrenmesi uygular12, 14, 16, 6, 9A, E
Öznitelik seçim / analiz tekniklerini uygular12, 14, 16, 6, 9A, 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

SıraKonularÖn Hazırlık
1Makine öğrenmesinin temelleri
2Regresyon
3Sınıflandırmanın temelleri
4Bayes sınıflandırıcı
5Lojistik regresyon
6Destek vektör makineleri
7Sinir ağları
8Evrişimsel sinir ağları
9Karar ağaçları
10Topluluk metotları
11Öznitelik seçimi
12Temel komponent analizi
13Öbekleme
14Model 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
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi
2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
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
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
5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
7
Türkçe 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
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
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 DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Ekleme Tarihi: 06/07/2022 - 16:50Son Güncelleme Tarihi: 06/07/2022 - 16:51