Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Bilgisayar Tabanlı Öğrenen SistemlerMTM463236300
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Matematik Mühendisliği Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin KoordinatörüNilgün Güler Bayazıt
Dersi Veren(ler)Nilgün Güler Bayazıt
Asistan(lar)ı
Dersin AmacıÖğrencilere karşılaştıkları problemleri modelleyip, çözümleyip, yorumlama yapacak becerinin sağlanması.
Dersin İçeriğiBilgisayar tabanlı öğrenen sistemlere giriş. Eğiticili ve eğiticisiz öğrenme teknikleri. Karar kuramsal sınıflandırma.Yapay sinir ağları ve uygulamaları. Boyut indirgeme ve öznitelik seçimi. Karar ağaçları ve kural türetme. Genetik algoritmalar. Örüntü tanıma uygulamaları.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Tom Mitchell, “Machine Learning”, McGraw Hill, 1997.
  • Ethem Alpaydın , “Yapay Öğrenme”, Boğaziçi Üniversitesi yayınevi, 2007
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler iyi bir programlama beceresi kazanırlar.
  2. Öğrenciler ileride karşılaşacakları problemlerde çözüm üretebilmeleri için gerekli yaratıcılığı kazanırlar.
  3. Öğrenciler akıllı yazılımların nasıl geliştirileceğini öğrenirler.
  4. Öğrenciler öğrendikleri teknikleri ilerde karşılaşacakları projelerde kullanabilirler.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Bilgisayar tabanlı öğrenen sistemlere girişKaynak Kitap 1: Bölüm 1
2Eğiticili ve eğiticisiz öğrenme teknikleri (Eğiticiz öğrenme. K- ortlamalı, gaussian mixture ve expectation-maksimizasyon algoritması vb.) Kaynak Kitap 2: Bölüm 1
3Eğiticili Öğrenme :Lineer RegresyonKaynak Kitap 1: Bölüm 2
4Eğiticili Öğrenme: Logistic RegressionKaynak Kitap 1: Bölüm 10
5Yapay sinir ağlarına (YSA) giriş: Nöron ağları ile hesaplama ve tarihçesi / Biyolojik sinir ağları ve biyolojik nöron / Nöron model / Aktivasyon fonksiyonlarıKaynak Kitap 1: Bölüm 11
6Ağ topolojileri: İleri beslemeli ve geri beslemeli ağlar. Yapay sinir ağı modelleri: Statik ve dinamik ağlar. Yapay sinir ağlarının eğitilmesi-Eğiticili ve Eğiticisiz öğrenmeKaynak Kitap1:Bölüm 11
7Öğrenme kuralları: Perceptron kuralı, Delta kuralı, Yarışmalı öğrenme kuralı.ıKaynak Kitap1:Bölüm 11 Kaynak Kitap 2: Bölüm 2.1-2.2
8Çok katmanlı ağlar ve geriye yayılma algoritması, genelleştirilmiş Delta kuralıKaynak Kitap1:Bölüm 11 Kaynak Kitap 2: Bölüm 2.8
9Ara Sınav 1
10Melez (Hibrit) sistemler: Radyal tabanlı Fonksiyon AğlarıKaynak Kitap1: Bölüm 12.3
11Destek Vektör MakinalarıKaynak Kitap1:Bölüm 13 Kaynak Kitap 2: Bölüm 2.4-2.5
12Eğiticisiz Öğrenme: KümelemeKaynak Kitap 2: Bölüm 7
13Boyut indirgeme ve öznitelik seçim: sınıf ayrıştırılabilirlik ölçütleri, en iyi öznitelik üretimiKaynak Kitap 2: Bölüm 3, Bölüm 4
14Örüntü tanıma uygulamaları, Dersin revize
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev215
Sunum/Jüri
Projeler115
Seminer/Workshop
Ara Sınavlar130
Final140
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 Çalışması136
Derse Özgü Staj
Ödev210
Küçük Sınavlar/Stüdyo Kritiği
Projeler135
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)12
Final (Sınav Süresi + Sınav Hazırlık Süresi)12
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok