Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Mekansal Makine ÖğrenmesiHRT455235300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Harita Mühendisliği Lisans Programı (%30 İngilizce)
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimHarita Mühendisliği Bölümü
Dersin KoordinatörüALPER ŞEN
Dersi Veren(ler)ALPER ŞEN
Asistan(lar)ı
Dersin AmacıBir dizi son derece karmaşık, genellikle deterministik olmayan mekansal problemi modellemek ve analiz etmek için makine öğrenimi yöntemlerini kullanarak CBS kullanım kapasitesini zenginleştirmeyi tanıtmaktır.
Dersin İçeriğiMekânsal makine öğrenmesine giriş; Makine öğrenmesi için mekânsal veriler; Mekânsal makine öğrenmesi perspektifinden yüksek performanslı bilgisayar sistemlerinin değerlendirilmesi; Mekânsal veri görselleştirme ve veri bilimi için istatistik; Makine öğrenmesi için mekânsal verinin ön işlemesi; Kümeleme ve sınıflandırma kavramları; Mekânsal veride regresyon için denetimli öğrenme yöntemleri; Mekânsal veride sınıflandırma için denetimli öğrenme yöntemleri; Mekânsal veride denetimsiz öğrenme yöntemleri; Büyük veri analitiği; CBS'de makine öğrenmesi araçları; Mekânsal makine öğrenmesinde araştırma gündemi ve gelecek
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Gao, S., Hu, Y., & Li, W. (2024). Handbook of Geospatial Artificial Intelligence. CRC Press, Boca Raton: FL
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Mekânsal makine öğrenmesinde kullanılan yöntemleri tanımlar (P.Ç.1.2).
  2. Sınıflandırma ve kümeleme kavramlarını tanımlar (P.Ç.1.2).
  3. Çok boyutlu mekânsal veride bulunan benzerlikleri hesaplar (P.Ç.4.2).
  4. Çok boyutlu mekânsal veri tabanlarını yapay sinir ağları ile sınıflandırır (P.Ç.4.2).
  5. Mekânsal makine öğrenmesi yöntemlerinin CBS’ye katkısını değerlendirir (P.Ç.4.2).

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-144---
PÇ-2-----
PÇ-3-----
PÇ-4--444
PÇ-5-----
PÇ-6-----
PÇ-7-----
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----
PÇ-12-----
PÇ-13-----
PÇ-14-----
PÇ-15-----
PÇ-16-----
PÇ-17-----
PÇ-18-----
PÇ-19-----
PÇ-20-----
PÇ-21-----
PÇ-22-----
PÇ-23-----
PÇ-24-----
PÇ-25-----
PÇ-26-----
PÇ-27-----
PÇ-28-----
PÇ-29-----
PÇ-30-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Mekânsal makine öğrenmesine giriş Ders notları
2Makine öğrenmesi için mekânsal veriler Ders notları
3Mekânsal makine öğrenmesi perspektifinden yüksek performanslı bilgisayar sistemlerinin değerlendirilmesiDers notları
4Mekânsal veri görselleştirme ve veri bilimi için istatistik Ders notları
5Makine öğrenmesi için verinin ön işlemesiDers notları
6Kümeleme ve sınıflandırma kavramlarıDers notları
7Mekânsal veride regresyon için denetimli öğrenme yöntemleriDers notları
8Ara Sınav 1
9Mekânsal veride sınıflandırma için denetimli öğrenme yöntemleriDers notları
10Mekânsal veride denetimsiz öğrenme yöntemleriDers notları
11Büyük veri analitiğiDers notları
12Ara Sınav 2 / Uygulama veya Konu TekrarıDers notları
13CBS'de makine öğrenmesi araçları
14Mekânsal makine öğrenmesinde araştırma gündemi ve gelecek
15Coğrafi hesaplama araştırma gündemi ve gelecek, sunumlar NA
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler
Seminer/Workshop
Ara Sınavlar260
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması145
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)210
Final (Sınav Süresi + Sınav Hazırlık Süresi)15
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok