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
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 Fiziksel kavramları öğrenme ve bu kavramlarla düşünebilme becerisi kazanır.
2 Doğadaki olay ve olguları gözleme, arkasındaki temel ilkeleri anlama ve ilişkilendirme yeteneğini geliştirir.
3 Doğru soruları sormayı ve bu sorulara yanıt verecek deneyleri tasarlama becerisini geliştirir.
4 Deney yapma ve deney sonuçlarını analiz etme ve yorumlama becerisi kazanır.
5 Problemi tanımlama, çözme sonuç çıkarma ve yorumlama becerisi kazanır.
6 Problemin çözümünü zorlaştıran bazı ayrıntıları ihmal ederek, karmaşık ve zor problemleri üstesinden gelinebilir hale getirmek için, idealleştirilmiş model oluşturma becerisi kazanır.
7 Evrende bilinen bütün etkileşmeler (nükleer, gravitasyonel, elektromanyetik) hakkında, mikro ölçekten makro ölçeğe kadar madde ve enerji hakkında bilgi sahibi olur.
8 Tüm mühendislik ve teknolojinin temeli olan fiziğin evrensel ve toplumsal boyutlarda etkilerini anlar.
9 Bilgiye ulaşabilme, analiz edip çözüm geliştirebilme becerisi kazanır.
10 Verinin toplanması, yorumlanması, duyurulması ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur.
11 Disiplinler arası gruplarda çalışabilme becerisi kazanır.
12 Analitik düşünme, sorgulayıcı ve eleştirel düşünme yeteneğini kazanır.
13 Yaşam boyu öğrenmenin gerekliliği bilinci ve bunu gerçekleştirebilme becerisi kazanır.
14 Etkin iletişim kurma becerisi kazanır.
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