Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
MAKİNE ÖĞRENME TEKNİKLERİ Birinci 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, DR. ÖĞR. ÜYESİ GÜLHAN TOĞA
Yardımcı Öğretim Eleman(lar)ı __
Dersin Veriliş Şekli Teorik -Yüz yüze
Dersin Amacı Bu dersin amacı, makine öğrenmesinin matematiksel temellerini, temel algoritmalarını ve model değerlendirme yöntemlerini öğretmek; öğrencilerin gerçek veri problemlerine uygun model tasarlayabilmesini sağlamaktır.
Dersin Tanımı Bu ders, makine öğrenmesinin temel kavramlarını, öğrenme türlerini, veri ön işleme süreçlerini, temel denetimli ve denetimsiz öğrenme algoritmalarını, model değerlendirme yöntemlerini ve güncel makine öğrenmesi yaklaşımlarını kapsar. Ders kapsamında öğrencilerin gerçek veri problemlerine uygun model seçme, geliştirme, değerlendirme ve sonuçları yorumlama becerisi kazanmaları amaçlanmaktadır.

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 İletişim ve halkla ilişkiler ve tanıtım alanı ile ilgili bilimsel, toplumsal, ekonomik, yasal, siyasal, sosyal ve kültürel konularda disiplinler arası bir bakış açısıyla yeterli bilgi birikimine sahip olarak bu birikimle tutarlı ve kapsamlı fikirler oluşturup savunabilme becerisine sahip olur.
2 Halkla ilişkiler kuram ve modellerini ve alanı ile ilgili tarihsel gelişim sürecini bilir.
3 Yönetim-organizasyon ve örgütsel davranış hakkında bilgi sahibidir.
4 Halkla ilişkilerde araştırma, planlama, uygulama, ölçme ve değerlendirme ile ilgili bilgi ve beceri sahibi olup, ekip çalışmasına uyum sağlamaya ve zaman sınırlılığı içinde üretim yapmaya yetkindir.
5 Bütünleşik pazarlama iletişimi çerçevesinde halkla ilişkilerin ve tanıtımın önemini ve rolünü bilir.
6 Halkla ilişkilerde kriz yönetimi, risk yönetimi, imaj ve itibar yönetimi konusunda bilgi ve beceri sahibidir.
7 Stratejik iletişim yönetimine ilişkin medya planlaması ve teknikleri, sponsorluk ve kurumsal sosyal sorumluluk konusunda bilgi ve beceri sahibidir.
8 Yazılı ve sözlü etkin iletişim kurma, rapor yazma, yazılı raporları anlama ve etkin sunum yapabilme bilgi ve becerisine sahiptir.
9 Siyasal iletişim ve lobicilik; uluslararası halkla ilişkiler ve kamu diplomasisi ile ilgili bilgiye sahiptir.
10 Halkla ilişkiler ve tanıtım alanında kampanya, proje yönetimi ve etkinlik yönetimi ile ilgili bilgi, beceri ve yetkinliğe sahiptir.
11 Alanı ile ilgili uygulamaları, yaratıcı ve eleştirel bir yaklaşımla değerlendirir, yorumlar ve alanına özgü araştırma, planlama, ürün geliştirme ve uygulama becerisine sahip olur.
12 Mesleği ile ilgili yenilikleri takip ederek, bu doğrultuda yaratıcı içerikler oluşturma ve uygulama yetkinliğine sahiptir.
13 Halkla ilişkiler alanıyla ilgili uluslararası, ulusal mevzuat, mesleki örgütlenmeler ve etik ilkeler hakkında bilgi sahibi olur ve çalışmalarında mesleki etik ilkelerini uygulama becerisine sahip olur.
14 İçinde bulunduğu toplumun ekonomik, sosyal ve siyasal politikalarını ve gündemini yakından izleyip sürdürülebilirlik çerçevesinde değerlendirme yetkinliğine sahip olarak alanıyla ilgili mesleki çalışmaların sürdürülebilir kalkınma hedefleri, kamu yararı kamu hizmeti gibi evrensel ve toplumsal boyuttaki etkilerine, hukuksal sonuçlarına duyarlı olur.
15 Medya mensuplarıyla ilişki yönetimi ile ilgili bilgi, beceri ve yetkinliğe sahiptir.
16 Medya okuryazarlığı konusunda bilinçlidir ve farklı medya içeriklerini ve uygulamalarını eleştirel bir bakış açısıyla değerlendirebilir.
17 Yapay Zekâ tabanlı uygulamaları halkla ilişkiler araçlarında etkin ve etik bir biçimde kullanabilir.
18 İş hayatındaki uygulamalar ile iş sağlığı ve güvenliği hakkında bilgi ve deneyim sahibi olur.
19 En az bir yabancı dilde alanıyla ilgili sözlü ve yazılı etkin iletişim kurma becerisine sahip olur.
20 Girişimcilik ve iş geliştirme konularında bilgi ve beceri ye sahip olur.
21 Alanı ile ilgili bilişim ve iletişim teknolojilerini (yazılım, program, uygulamalar vb.) etkin bir şekilde kullanabilme becerisine sahip olur.
22 Alanı dışında, kişisel ilgi alanları doğrultusunda tercih ettiği konularda akademik bilgi ve perspektif sahibi olur.
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