EN
  • Anasayfa
  • BM421 Makine Öğrenmesi (2021 - 2022 / 8. Yarıyıl)
  • EN
BM421 - Makine Öğrenmesi
Ders Adı Kodu Yarıyıl T+U Saat AKTS Pdf
Makine Öğrenmesi BM421 8 3 + 1 5,0 Pdf
Birim Bölüm
BİLGİSAYAR MÜHENDİSLİĞİ
Derece Seviye Lisans - Seçmeli - Türkçe
Dersin Verilişi Yüz yüze
EBS Koordinatörü Dr. Öğr. Üyesi Salim CEYHAN
Ders Veren
Amaç

Dersin amacı Makine Öğrenmesi konularına ait teorik konuların farklı alanlarda uygulama örnekleri ile birlikte öğretilmesidir.

Ders İçeriği

Giriş, Karar Ağaçları, Örnek Tabanlı Öğrenme, Bayesçi Öğrenme, Lojistik Regresyon, Sinir Ağları, Destek Vektör Makineleri, Model Seçimi, Özellik Seçimi, Kümeleme, k-ortalama, Maksimum Beklenti, Gauss Karışım Modeli, Topluluk Öğrenmesi, Çekişmeli Öğrenme, Derin Öğrenme, Ödül-Ceza ile Öğrenme

Ders Kaynakları Introduction to Machine Learning, Ethem Alpaydin, The MIT Press,2010
Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006
Machine Learning, Tom Mitchell, McGraw-Hill, 1997
İstatistiksel Öğrenmenin Unsurları 2e, T.Hastie,R.Tibshirani,J.Friedman, Springer, 2017
Veri bilimcileri için bir rehber olan Python ile makine öğrenimine giriş, A.Müller,S.Guido, O'Rilley, 2018
Açıldığı Öğretim Yılı 2012 - 2013 2014 - 2015
Yarıyıl İçi Çalışmalar Katkı Yüzdesi (%)
Bu bilgi girilmemiştir.
Toplam 0
Yarıyıl Sonu Çalışmalar Katkı Yüzdesi (%)
Bu bilgi girilmemiştir.
Toplam %0
Yarıyıl İçinin Başarıya Oranı %0
Yarıyıl Sonu Çalışmalar %0
Toplam %0
Kategori Ders İlişki Yüzdeleri (%)
Aktarılabilir Beceri Dersleri
0
Beşeri, İletişim ve Yönetim Becerileri Dersleri
0
Destek Dersleri
0
Ek Dersler
0
Kategori
0
Mesleki Seçmeli Dersler
0
Temel Meslek Dersleri
0
Uygulama Dersleri
0
Uzmanlık / Alan Dersleri
0
Ders İş Yükü Öğretim Metotlar / Öğretim Metodu Süresi (Saat) Sayısı Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat) 0
AKTS = Toplam İş Yükü (Saat) / 25.5 (s) 0
AKTS
Hafta Konu Öğretim Metodu
1 Hızlı Python Kursu Ders Laboratuar
2 Makine Öğrenmesine Giriş Ders Laboratuar
3 Veri Önişleme Ders Laboratuar
4 Doğrusal Regresyon Ders Laboratuar
5 Lojistik Regresyon Ders Laboratuar
6 Özellik çıkarma Ders Laboratuar
7 Karar Ağaçları ve K-En Yakın Komşu Ders Laboratuar
8 Destek Vektör Makineleri (SVM) Ders Laboratuar
9 Doğrusal Olmayan Regresyon ve Sınıflandırma Modelleri Ders Laboratuar
10 Kümeleme Yöntemleri Ders Laboratuar
11 Boyut Azaltma Ders Laboratuar
12 Model Değerlendirme ve Seçimi Ders Laboratuar
13 Ensemble Modelleri Ders Laboratuar
14 Regresyon ve Sınıflandırma Modellerinin Gelişmiş Konuları Ders Laboratuar
Ders Öğrenme Çıktısı Ölçme Değerlendirme Öğretim Metodu Öğrenme Faaliyeti
Öğrenci makine öğrenmesi temellerini anlar. Yazılı Sınav Ders Dinleme ve anlamlandırma
Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını öğrenir. Yazılı Sınav Ders Dinleme ve anlamlandırma
Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir. Yazılı Sınav Ders Dinleme ve anlamlandırma
Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar. Yazılı Sınav Ders Dinleme ve anlamlandırma
Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir. Yazılı Sınav Ders Dinleme ve anlamlandırma
DERS ÖĞRENME ÇIKTISI
PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7 PÇ 8 PÇ 9 PÇ 10
Öğrenci makine öğrenmesi temellerini anlar. 5 3 3 3 0 2 2 2 1 1
Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını öğrenir. 5 3 3 3 0 2 2 2 1 1
Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir. 5 3 3 3 0 2 2 2 1 1
Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar. 5 3 3 3 0 2 2 2 1 1
Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir. 5 3 3 3 0 2 2 2 1 1