Anasayfa » Akademik Birimler » Elektrik - Elektronik Fakültesi » Bilgisayar Mühendisliği Bölümü » Dersler » Makine Öğrenmesine Giriş
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Makine Öğrenmesine GirişBLM521637.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim)
Seçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim, İngilizce)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüAli Can Karaca
Dersi Veren(ler)Ali Can Karaca
Asistan(lar)ı
Dersin AmacıDersin amacı Makine Öğrenmesi konuları hakkında temel bilgilerin verilmesi ve uygulama örnekleri ile birlikte öğretilmesidir.
Dersin İçeriği1. Introduction to Machine Learning 2. Supervised Learning and Applications 3. Unsupervised Learning and Applications 4. Reinforcement Learning and Applications
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
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
1Makine Öğrenmesine Giriş
2Eğitmenli Öğrenme
3Bayes Kuralı
4Naive Bayes Teoremi
5Karar Ağaçları
6Lineer Ayırt Edici
7Yapay Nöron Ağları
8Ara Sınav 1
9Destek Vektör Makineleri
10Doğrusal olmayan DVM
11Eğitmensiz Öğrenme
12Öbekleme : K-means, Karışım modelleri
13Hiyerarşik Öbekleme Yöntemleri
14Birleşik Yöntemler: Boosting, Bagging
15Ödül-Ceza İle Öğrenme
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev330
Sunum/Jüri110
Projeler120
Seminer/Workshop
Ara Sınavlar110
Final130
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 Çalışması133
Derse Özgü Staj
Ödev310
Küçük Sınavlar/Stüdyo Kritiği
Projeler150
Sunum / Seminer120
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)120
Final (Sınav Süresi + Sınav Hazırlık Süresi)120
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok