| Hafta | Konular | Ön Hazırlık |
|---|
| 1 | Konu Anlatımı: İstatistiksel Öğrenmeye Giriş Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. İstatistiksel Öğrenme kavramının ne olduğunun araştırılması 2. İstatistiksel Öğrenmede uygulanan yöntemlerin araştırılması 3. İstatistiksel Öğrenme yöntemlerinin uygulandığı gerçek hayat örneklerinin verilmesi • ISLP Bölüm 1 sayfa 1-14 • ESL Bölüm 1 sayfa 1-8 • Ders Notları. |
| 2 | Konu Anlatımı: İstatistiksel Öğrenme Nedir? İstatistiksel Öğrenmede kullanılan temel tanımlar Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 1 (15-20 dk.): Ders sonunda, birinci ve ikinci haftada işlenen konuları içeren bir kısa sınavın yapılması | 1. İstatistiksel öğrenme yöntemlerinin matematiksel temellerinin araştırılması 2. Tahmin, Yanlılık, Parametrik ve Parametrik olmayan yöntem kavramlarının araştırılması 3. Denetimli ve denetimsiz Öğrenme Kavramlarının Araştırılması 4. Regresyon ve Sınıflama Problemlerinin Araştırılması 5. Model Başarısı İçin metriklerin Araştırılması 6. Yanlılık Varyans Takasının Araştırılması 7. Python da temel kavramların tekrarı 8. Kısa Sınav 1: İstatistiksel Öğrenme Nedir? • ISLP Bölüm 2 sayfa 15-68 • |
| 3 | Konu Anlatımı: Doğrusal Regresyon Yöntemleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Basit ve Çoklu Doğrusal Regresyon kavramlarının tekrar edilmesi 2. Katsayı tahminleri, katsayı anlamlılıkları, güven aralığı ve hipotez tesit kavramlarının tekrar edilmesi 3. Regresyonda model başarısının ölçülmesinde kullanılan metriklerin tekrar edilmesi 4. Python da regresyon analizinde kullanılan paketler ve kodlar • ISLP Bölüm 3 sayfa 69-134 • ESL Bölüm 3 sayfa 43-100 • Ders Notları |
| 4 | Konu Anlatımı: Sınıflandırma Yöntemleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 2 (15-20 dk.): Ders bitiminde, üçüncü ve dördüncü haftada işlenen konuları içeren bir kısa sınavın yapılması | 1. Sınıflandırma problemlerinin araştırılması. 2. Sınıflandırma problemlerinde kullanılan yöntemlerin araştırılması 3. Python da sınıflandırma yöntemlerinde kullanılan paketler ve kodlar 4. Kısa Sınav 2: Doğrusal Regresyon ve Sınıflandırma Yöntemleri • ISLP Bölüm 4 sayfa 135-200 • ESL Bölüm 4 sayfa 101-138 • Ders Notları |
| 5 | Sınıf-içi Uygulama (150 dk.): Doğrusal Regresyon ve Sınıflandırma Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. İstatistiksel Öğrenme problemlerinin doğrusal regresyon ve sınıflandırma problemlerinin bir programlama dili yardımıyla çözülmesi • Ders Notları |
| 6 | Konu Anlatımı: Yeniden Örnekleme Yöntemleri Sınıf-içi Uygulama (60 dk.): Yeniden Örnekleme Yöntemleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Çapraz Doğrulama kavramının araştırılması 2. Bootstrap kavramının araştırılması 3. Python da yeniden örnekleme yöntemlerinin kullanılması • ISLP Bölüm 5 sayfa 201-228 • ESL Bölüm 7 sayfa 219-260 • Ders Notları |
| 7 | Konu Anlatımı: Doğrusal Model Seçimi ve Düzenlemesi Sınıf-içi Uygulama (60 dk.): Doğrusal Model Seçimi ve Düzenlemesi. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 3 (15-20 dk.): Ders sonunda, altıncı ve yedinci haftada işlenen konuları içeren bir kısa sınavın yapılması | 1. Değişken seçiminin önemi ve değişken seçimi yöntemlerinin araştırılması. 2. En iyi modelin belirlenmesi için kullanılan yöntemler ve metriklerin araştırılması 3. Büzüşme ve boyut indirgeme yöntemlerinin araştırılması 4. Python da model seçimi ve düzgünleştirme yöntemlerinin kullanılması 5. Kısa Sınav 3: Yeniden Örnekleme Yöntemleri, Doğrusal Model Seçimi ve Düzgünleştirme • ISLP Bölüm 6 sayfa 229-288 • ESL Bölüm 5 sayfa 139-190 • Ders Notları |
| 8 | Ara Sınav 1 | |
| 9 | Konu Anlatımı: Doğrusallığın Ötesine Geçmek: Doğrusal olmayan regresyon yöntemleri Sınıf-içi Uygulama (60 dk.): Doğrusallığın Ötesine Geçmek: Doğrusal olmayan regresyon yöntemleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Doğrusal olmayan regresyon yöntemlerinin araştırılması 2. Polinomyal Regresyon, Spline Regresyon, Genelleştirilmiş Toplamsal Modeller 3. Python da Doğrusal olmayan regresyon yöntemlerinin kullanılması • ISLP Bölüm 7 sayfa 289-330 • ESL Bölüm 6 sayfa 191-218 • Ders Notları |
| 10 | Konu Anlatımı: Ağaç Tabanlı Modeller Sınıf-içi Uygulama (60 dk.): Ağaç Tabanlı Modeller Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 4 (15-20 dk.): Ders sonunda, dokuzuncu ve onuncu haftada işlenen konuları içeren bir kısa sınavın yapılması. | 1. Karar Ağaçlarının Temelleri, 2. Rastgele Orman Yöntemi 3. Torbalama ve Güçlendirme 4. Python da Ağaç temelli yöntemlerin uygulanması 5. Kısa Sınav 4: Doğrusal Olmayan Regresyon Modelleri ve Ağaç tabanlı modeller • ISLP Bölüm 8 sayfa 331-366 • ESL Bölüm 9 sayfa 295-336, Bölüm 10 sayfa 337-388, Bölüm 15 sayfa 587-604 • Ders Notları |
| 11 | Konu Anlatımı: Karar Destek Makineleri Sınıf-içi Uygulama (60 dk.): Karar Destek Makineleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Karar Destek Sınıflayıcıları’nın araştırılması 2. Karar Destek Makineleri’nin araştırılması 3. Karar Destek Makinelerinin Lojistik Regresyonla İlişkisinin Araştırılması 4. Python da Karar Destek Makinelerinin uygulanması • ISLP Bölüm 9 sayfa 367-398 • ESL Bölüm 12 sayfa 417-458 • Ders Notları |
| 12 | Konu Anlatımı: Yapay Sinir Ağları ve Derin Öğrenme Sınıf-içi Uygulama (60 dk.): Yapay Sinir Ağları ve Derin Öğrenme Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma | 1. Tek ve Çok Katmanlı Yapay Sinir Ağlarının Araştırılması 2. Evrişimsel Sinir Ağlarının araştırılması 3. Yinelemeli Sinir Ağlarının araştırılması 4. Python da Yapay Sinir Ağı ve Derin Öğrenme Ağları’nın Uygulanması • ISLP Bölüm 10 sayfa 399-468 • ESL Bölüm 11 sayfa 389-416 • Ders Notları |
| 13 | Sınıf-içi Uygulama (150 dk.): Ağaç Tabanlı Modeller, Karar Destek Makineleri, Derin Öğrenme Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 5 (15-20 dk.): Ders sonunda, on bir, on iki ve on üçüncü haftalarda işlenen konuları içeren bir kısa sınavın yapılması | 1. İstatistiksel Öğrenme problemlerinin ağaç tabanlı, karar destek makineleri ve derin öğrenme yöntemleriyle bir programlama dili yardımıyla çözülmesi 2. Kısa Sınav 5: Karar Destek Makinaları ve Yapay Sinir Ağları ve Derin Öğrenme 3. Ders Notları |
| 14 | Konu Anlatımı: Denetimsiz Öğrenme Sınıf-içi Uygulama (60 dk.): Denetimsiz Öğrenme Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Denetimsiz Öğrenme’nin ne olduğunun araştırılması 2. Temel Bileşenler Analizinin amacı ve uygulama alanlarının araştırılması 3. Kümeleme analizinin amacı ve uygulama alanlarının araştırılması • ISLP Bölüm 12 sayfa 503-556 • ESL Bölüm 14 sayfa 485-586 • Ders Notları |
| 15 | Sınıf-içi Uygulama (150 dk.): Uçtan uca bir istatistiksel öğrenme projesinin oluşturulması ve uygulanması. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Derste öğrenilen tüm yöntemler kullanılarak oluşturulan uçtan uca bir web programlama projesinin sunulması. • Ders Notları |
| 16 | Final | |
