| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Bilgisayar Tabanlı Öğrenen Sistemler | MTM4691 | 3 | 5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ Matematik Mühendisliği Lisans Programı (%30 İngilizce) |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Matematik Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Nilgün Güler Bayazıt |
| Dersi Veren(ler) | Nilgün Güler Bayazıt |
| Asistan(lar)ı |
| Dersin Amacı | Makine öğrenimi tekniklerini kullanarak öğrencilere karşılaştıkları sorunları modelleme, analiz etme ve yorumlama için gerekli becerileri kazandırmak |
|---|---|
| Dersin İçeriği | Bilgisayar tabanlı öğrenen sistemlere giriş: Denetimli ve denetimsiz öğrenme paradigmaları. Karar kuramsal sınıflandırma. Denetimli öğrenme teknikleri: Regresyon, Yapay sinir ağları, Destek vektör makinaları. Denetimsiz öğrenme teknikleri: Kümeleme algoritmaları. Boyut indirgeme ve öznitelik seçimi. Örüntü tanıma uygulamaları. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler iyi bir programlama beceresi kazanırlar.
- Öğrenciler ileride karşılaşacakları problemlerde çözüm üretebilmeleri için gerekli yaratıcılığı kazanırlar.
- Öğrenciler akıllı yazılımların nasıl geliştirileceğini öğrenirler.
- Öğrenciler öğrendikleri teknikleri ilerde karşılaşacakları projelerde kullanabilirler.
- Karmaşık mühendislik problemlerini yapay öğrenme yöntemleri kullanarak çözme becerisi
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 | Bilgisayar tabanlı öğrenen sistemlere giriş | Kaynak Kitap 1: Bölüm 1 |
| 2 | Eğiticili ve eğiticisiz öğrenme teknikleri (Eğiticiz öğrenme. K- ortlamalı, gaussian mixture ve expectation-maksimizasyon algoritması vb.) | Kaynak Kitap 2: Bölüm 1 |
| 3 | Eğiticili Öğrenme :Lineer Regresyon | Kaynak Kitap 1: Bölüm 2 |
| 4 | Eğiticili Öğrenme: Logistic Regression | Kaynak Kitap 1: Bölüm 10 |
| 5 | Yapay sinir ağlarına (YSA) giriş: Nöron ağları ile hesaplama ve tarihçesi / Biyolojik sinir ağları ve biyolojik nöron / Nöron model / Aktivasyon fonksiyonları | Kaynak Kitap 1: Bölüm 11 |
| 6 | Ağ topolojileri: İleri beslemeli ve geri beslemeli ağlar. Yapay sinir ağı modelleri: Statik ve dinamik ağlar. Yapay sinir ağlarının eğitilmesi-Eğiticili ve Eğiticisiz öğrenme | Kaynak Kitap1:Bölüm 11 |
| 7 | Öğrenme kuralları: Perceptron kuralı, Delta kuralı, Yarışmalı öğrenme kuralı | Kaynak Kitap1:Bölüm 11 Kaynak Kitap 2: Bölüm 2.1-2.2 |
| 8 | Ara Sınav 1 | |
| 9 | Öğrenme kuralları: Perceptron kuralı, Delta kuralı, Yarışmalı öğrenme kuralı(Devam..) | Kaynak Kitap1:Bölüm 11 Kaynak Kitap 2: Bölüm 2.1-2.2 |
| 10 | Destek Vektör Makinaları | Kaynak Kitap1:Bölüm 13 Kaynak Kitap 2: Bölüm 2.4-2.5 |
| 11 | Destek Vektör Makinaları (devam) | Kaynak Kitap1:Bölüm 13 Kaynak Kitap 2: Bölüm 2.4-2.5 |
| 12 | Eğiticisiz Öğrenme: Kümeleme | Kaynak Kitap 2: Bölüm 7 |
| 13 | Boyut indirgeme ve öznitelik seçim: sınıf ayrıştırılabilirlik ölçütleri, en iyi öznitelik üretimi | Kaynak Kitap 2: Bölüm 3, Bölüm 4 |
| 14 | Örüntü tanıma uygulamaları, Dersin revize | Ders kitabı 1 |
| 15 | Örüntü tanıma uygulamaları, Dersin revize edilmesi, | Ders kitabı 1 |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 3 | 30 |
| Sunum/Jüri | ||
| Projeler | 0 | 0 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 6 | |
| Derse Özgü Staj | |||
| Ödev | 3 | 5 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 0 | 0 | |
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 5 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 5 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
