| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Uygulamalı Makine Öğrenmesi | BME5007 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Biyomedikal Mühendisliği ABD Biyomedikal Mühendisliği Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Biyomedikal Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | İsmail Cantürk |
| Dersi Veren(ler) | |
| Asistan(lar)ı |
| Dersin Amacı | Makine öğrenmesine öğrenmesine ait teorik bilgilerin çeşitli uygulamlarla pratik olarak kullanımının öğretilmesidir. |
|---|---|
| Dersin İçeriği | Makine öğrenimi temelleri/ Matlab makine öğrenimi araç kutusu/ Denetimli ve yarı denetimli öğrenme algoritmaları/ Destek vektör makineleri/ k-en yakın komşu sınıflandırması/ Sinir ağları/ Karar ağaçları/ Naive Bayes/ İkili ve çok sınıflı sınıflandırmalar/ Performans değerlendirmesi/ Performans ölçümleri/ Karışıklık matrisleri / Boyut azaltma/ Özellik çıkarma/ Önceden eğitilmiş derin öğrenme algoritmaları / Derin özellik çıkarma |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenci sınıflandırma algoritmalarının kullanımını öğrenir.
- Öğrenci boyut azaltma algoritmalarının kullanımını öğrenir.
- Öğrenci ikili ve çok sınıflı sınıflandırmaların kullanımını öğrenir.
- Öğrenci çapraz geçerlilik yöntemlerinin kullanımını öğrenir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | |
| PÇ-1 | - | - | - | - |
| PÇ-2 | - | - | - | - |
| PÇ-3 | - | - | - | - |
| PÇ-4 | - | - | - | - |
| PÇ-5 | - | - | - | - |
| PÇ-6 | - | - | - | - |
| PÇ-7 | - | - | - | - |
| PÇ-8 | - | - | - | - |
| PÇ-9 | - | - | - | - |
| PÇ-10 | - | - | - | - |
| PÇ-11 | - | - | - | - |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Makine öğrenmesi temelleri | |
| 2 | Matlab makine öğrenmesi araç kutusu | |
| 3 | Destek vektör makineleri/ k-en yakın komşu sınıflandırması/ Sinir ağları | |
| 4 | Karar ağaçları/ Naive Bayes | |
| 5 | İkili ve çok sınıflı sınıflandırmalar | |
| 6 | Performans değerlendirmesi/ Performans ölçümleri | |
| 7 | Karışıklık matrisleri | |
| 8 | Ara Sınav 1 | |
| 9 | Boyut azaltma/ Özellik çıkarma | |
| 10 | Önceden eğitilmiş derin öğrenme algoritmaları | |
| 11 | Derin öznitelik çıkarma | |
| 12 | Proje sunumları | |
| 13 | Proje sunumları | |
| 14 | Proje sunumları | |
| 15 | Proje sunumları | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 4 | 20 |
| Sunum/Jüri | ||
| Projeler | 1 | 20 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 20 |
| 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 | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 4 | |
| Derse Özgü Staj | |||
| Ödev | 4 | 10 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 50 | |
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 25 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
