| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Makine Öğrenmesi | BM421 | 7 | 3 + 0 | 5,0 |
| Birim Bölüm | İSTATİSTİK VE BİLGİSAYAR BİLİMLERİ |
| Derece Seviye | Lisans - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Dr. Öğr. Üyesi Salim CEYHAN (Yıl: 2021 - 2022) |
| Ders Veren | Dr. Öğr. Üyesi Rukiye POLATTİMUR |
| 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 | 2025 - 2026 |
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Ara Sınav 1 | 30 |
| Ödev 1 | 10 |
| Ödev (Sunum) | 10 |
| Toplam | 50 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Dönem Sonu Uygulaması | %50 |
| Toplam | %50 |
| Yarıyıl İçinin Başarıya Oranı | %50 |
| Yarıyıl Sonu Çalışmalar | %50 |
| Toplam | %100 |
| 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
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Önceden planlanmış özel beceriler | Özel Destek / Yapısal Örnekler | 8 | 1 | 8 |
| Gözlem/durumları işleme, Bilişim, yönetsel beceriler, takım çalışması | Laboratuar | 6 | 1 | 6 |
| Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim | Sınıf Dışı Çalışma | 4 | 1 | 4 |
| Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme | Tartışmalı Ders | 2 | 1 | 2 |
| Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme | Küçük Grup Tartışması | 2 | 1 | 2 |
| Önceden planlanmış özel beceriler | Problem Çözme | 2 | 1 | 2 |
| Dinleme ve anlamlandırma | Ders | 4 | 1 | 4 |
| Ara Sınav 1 | Ara Sınav 1 | 1 | 30 | 30 |
| Ödev 1 | Ödev 1 | 1 | 10 | 10 |
| Ödev (Sunum) | Ödev (Sunum) | 1 | 10 | 10 |
| Dönem Sonu Uygulaması | Dönem Sonu Uygulaması | 1 | 50 | 50 |
| Toplam İş Yükü (Saat) | 128 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 5,02 | |||
| AKTS | 5,0 | |||
| 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 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Öğrenci makine öğrenmesi temellerini anlar. | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - | ;
| Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını öğrenir. | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - | ;
| Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir. | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - | ;
| Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar. | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - | ;
| Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir. | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - | ;
| Ortalama Değer | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - |
