Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Makine ÖğrenmesiBLM511037.5300
ÖnkoşullarYok
YarıyılGüz
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ 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 KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüM. Elif Karslıgil
Dersi Veren(ler)M. Elif Karslıgil
Asistan(lar)ı
Dersin AmacıDersin amacı Makine Öğrenmesi konularına ait teorik konuların farklı alanlarda uygulama örnekleri ile birlikte öğretilmesidir.
Dersin İçeriğiGiriş, 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
  • 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
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci makine öğrenmesi temellerini anlar.
  2. Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını öğrenir.
  3. Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir.
  4. Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar.
  5. Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş
2Karar Ağaçları
3Örnek Tabanlı Öğrenme
4Bayesçi Öğrenme
5Lojistik Regresyon
6Sinir Ağları
7Destek Vektör Makineleri
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Destek Vektör Makinesi
10Kümeleme, k-ortalama, Maksimum Beklenti, Gauss Karışım Modeli
11Topluluk Öğrenmesi
12Derin Öğrenme
13Çekişmeli Öğrenme
14Ödül-Ceza İle Öğrenme
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev540
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar120
Final120
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması132
Derse Özgü Staj
Ödev520
Küçük Sınavlar/Stüdyo Kritiği
Projeler135
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)110
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok