Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
MAKİNE ÖĞRENME TEKNİKLERİ	İkinci Düzey	ENM 535		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	__
Eğitimin Dili	Türkçe
Koordinatör	DR. ÖĞR. ÜYESİ GÜLHAN TOĞA
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. İBRAHİM DOĞAN
Yardımcı Öğretim Eleman(lar)ı	__
Dersin Veriliş Şekli	Teorik - Yüz yüze
Dersin Amacı	Temel makine öğrenme algoritmalarını tanıtmak, bu algoritmalarla çözülebilen problemleri tanıtmak, hangi algoritmanın hangi problemle çözülebileceğini kavratmak ve cesitli uretim ve tedarik zinciri problemlerinde uygulamasini yapmak
Dersin Tanımı	Olasilik, temel olasilik dagilimlari, Kavramsal öğrenme, Regresyon icin lineer modeller, Destekli ogrenme, Bayes Öğrenme, Grafiksel modeller, Bayes Aglari, Dinamik Bayes Aglari, Olasılıksal karışım modelleri, Destek Vektör Makinaları,

Dersin İçeriği

1	Olasilik,
2	temel olasilik dagilimlari,
3	Kavramsal öğrenme,
4	Regresyon icin lineer modeller,
5	Regresyon icin lineer modeller,
6	Lojistik Regresyon
7	Destekli ogrenme,
8	Destekli ogrenme,
9	Vize
10	Grafiksel modeller,
11	Bayes Aglari,
12	Bayes Aglari,
13	Dinamik Bayes Aglari,
14	Olasılıksal karışım modelleri,
15	Destek Vektör Makinaları,
16	__
17	__
18	__
19	__
20	__

Dersin Öğrenme Çıktıları

1	Makine öğrenmesinin temel kavramlarını açıklar
2	Makine öğrenmesi problem türlerini açıklar
3	Makine öğrenmesi için ön veri analizini gerçekleştirebilir, eğitim, test ve doğrulama veri setleri oluşturur ve kullanır
4	Temel sınıflandırma algoritmalarını uygular
5	Temel gruplama algoritmalarını uygular
6	Mühendislik, tıp vb alanlardaki büyük veri setleri ile analiz ve bilgi çıkarımı yapar
7	__
8	__
9	__
10	__

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Matematik, fen ve Mühendislik bilgilerini uygulama becerisi
2	Deney tasarlama ve yapma ile deney sonuçlarını yorumlama becerisi
3	İstenen gereksinimleri karşılayacak biçimde bir sistemi, parçayı veya süreci tasarımlama
4	Disiplinler arası takımlarda çalışabilme becerisi
5	Mühendislik problemleri tanımlama, formüle etme ve çözme becerisi
6	Mesleki ve etik sorumluluk bilinci
7	İngilizce ve Türkçe etkin iletişim kurma becerisi
8	Mühendislik çözümlerinin evrensel ve toplumsal boyutlarda etkinliklerini anlamak için gerekli genişlikte eğitim
9	Yaşam boyu öğrenmenin gerekliliği bilinci
10	Çağın sorunları hakkında bilgi
11	Mühendislik uygulamaları için gerekli teknikleri, yetenekleri ve modern araçları kullanma becerisi
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	3	42
Ödevler	1	10	10
Sunum / Seminer hazırlama	1	10	10
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	30	30
Ara sınavlar	1	3	3
Proje (Yarıyıl ödevi)	1	30	30
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	15	15
Yarıyıl sonu sınavı	1	3	3
Araştırma	0	0	0
Toplam iş yükü			185
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	1	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Machine Learning, by Tom Mitchell, McGraw-Hill, 1997
Yardımcı Kaynaklar	Machine Learning, by Tom Mitchell, McGraw-Hill, 1997

Ders İle İlgili Dosyalar