Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
---|---|---|---|---|---|---|
Makine Öğrenmesi | BLM5110 | 3 | 7.5 | 3 | 0 | 0 |
Önkoşullar | Yok |
---|
Yarıyıl | Güz |
---|
Dersin Dili | Türkçe |
---|---|
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz) Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı Seçmeli @ Akıllı Ulaşım Sistemleri Yüksek Lisans Programı Seçmeli @ Siber Güvenlik ve Kriptografi Yüksek Lisans Programı Seçmeli @ Veri Bilimi ve Büyük Veri Yüksek Lisans Programı Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Doktora Programı |
Ders Kategorisi | Uzmanlık/Alan Dersleri |
Dersin Veriliş Şekli | Yüz yüze |
Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
---|---|
Dersin Koordinatörü | M. Elif Karslıgil |
Dersi Veren(ler) | M. Elif Karslıgil |
Asistan(lar)ı |
Dersin Amacı | Dersin amacı Makine Öğrenmesi konularına ait teorik konuların farklı alanlarda uygulama örnekleri ile birlikte öğretilmesidir. |
---|---|
Dersin 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 Kitabı / Malzemesi / Önerilen Kaynaklar |
|
Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- 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.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
Hafta | Konular | Ön Hazırlık |
---|---|---|
1 | Giriş | |
2 | Karar Ağaçları | |
3 | Örnek Tabanlı Öğrenme | |
4 | Bayesçi Öğrenme | |
5 | Lojistik Regresyon | |
6 | Sinir Ağları | |
7 | Destek Vektör Makineleri | |
8 | Ara Sınav 1 | |
9 | Destek Vektör Makinesi | |
10 | Kümeleme, k-ortalama, Maksimum Beklenti, Gauss Karışım Modeli | |
11 | Topluluk Öğrenmesi | |
12 | Derin Öğrenme | |
13 | Çekişmeli Öğrenme | |
14 | Ödül-Ceza İle Öğrenme | |
15 | Konu Tekrarı ve Uygulamaları | |
16 | Final |
Değerlendirme Sistemi
Etkinlikler | Sayı | Katkı Payı |
---|---|---|
Devam/Katılım | ||
Laboratuar | ||
Uygulama | ||
Arazi Çalışması | ||
Derse Özgü Staj | ||
Küçük Sınavlar/Stüdyo Kritiği | ||
Ödev | 5 | 40 |
Sunum/Jüri | ||
Projeler | 1 | 20 |
Seminer/Workshop | ||
Ara Sınavlar | 1 | 20 |
Final | 1 | 20 |
Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
Final Sınavının Başarı Notuna Katkısı | ||
TOPLAM | 100 |
AKTS İşyükü Tablosu
Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
---|---|---|---|
Ders Saati | 13 | 3 | |
Laboratuar | |||
Uygulama | |||
Arazi Çalışması | |||
Sınıf Dışı Ders Çalışması | 13 | 2 | |
Derse Özgü Staj | |||
Ödev | 5 | 20 | |
Küçük Sınavlar/Stüdyo Kritiği | |||
Projeler | 1 | 35 | |
Sunum / Seminer | |||
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
Toplam İşyükü : | |||
Toplam İşyükü / 30(s) : | |||
AKTS Kredisi : |
Diğer Notlar | Yok |
---|