| Dersin adı |
Dersin seviyesi |
Dersin kodu |
Dersin tipi |
Dersin dönemi |
Yerel kredi |
AKTS kredisi |
Ders bilgileri |
| MAKİNE ÖĞRENMESİ |
İkinci düzey |
ENM 628 |
|
2 |
7.50 |
7.50 |
Yazdır |
|
Ön koşul dersleri
|
--
|
|
Eğitimin dili
|
Türkçe
|
|
Koordinatör
|
PROF. DR. İBRAHİM DOĞAN
|
|
Dersi veren öğretim eleman(lar)ı
|
PROF. DR. İBRAHİM DOĞAN
|
|
Yardımcı öğretim eleman(lar)ı
|
--
|
|
Dersin veriliş şekli
|
Sınıf (yüz yüze)
|
|
Dersin amacı
|
Temel makine öğrenme algoritmalarını tanıtmak, bu algoritmalarla çözülebilen problemleri tanıtmak, hangi algoritmanın hangi problemle çözülebileceğini kavratmak ve cesitli üretim ve tedarik zinciri problemlerinde uygulamasını 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,
|
|
1- |
Makine Öğrenmede temel kavramlar
|
|
2- |
İstatiksel Öğrenme
|
|
3- |
İstatiksel Öğrenme
|
|
4- |
Lineer RegresyonModeli
|
|
5- |
Lojistik Regresyon
|
|
6- |
Öğrenme teorisi
|
|
7- |
Öğrenme teorisi
|
|
8- |
Ara Sinav
|
|
9- |
Destek Vektör Makinaları,
|
|
10- |
Destek Vektör Makinaları,
|
|
11- |
Destekli öğrenme,
|
|
12- |
Bayes Ağları,
|
|
13- |
Dinamik Bayes Aglari,
|
|
14- |
Olasılıksal karışım modelleri,
|
|
15- |
--
|
|
16- |
--
|
|
17- |
--
|
|
18- |
--
|
|
19- |
--
|
|
20- |
--
|
|
1- |
İstatiksel kavramlar
|
|
2- |
Öğrenme teorisi hakkında genel bilgi sahibi olmak
|
|
3- |
Temel Makine öğrenme teknikleri hakkında bilgi sahibi olmak
|
|
4- |
--
|
|
5- |
--
|
|
6- |
--
|
|
7- |
--
|
|
8- |
--
|
|
9- |
--
|
|
10- |
--
|
|
*Dersin program yeterliliklerine katkı seviyesi
|
|
1- |
Lisans derecesi yeterlilikleri üzerine kurulan, aynı ya da farklı bir alandaki bilgilerin genişletilmesi ve derinleştirilmesi ile birlikte bilgiyi değerlendirme,yorumlama ve uygulama yapma gibi bilimsel araştırma yöntemlerini kullanarak bilgiye ulaşır
|
|
|
2- |
Biyoloji alanındaki sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi geliştirir, bilimsel, toplumsal ve etik sorumluluk ile kullanır
|
|
|
3- |
Biyoloji alanındaki bir problemi, bağımsız olarak kurgulayarak, çözüm yöntemi geliştirir, çözer, sonuçları değerlendirerek, gerektiğinde uygular
|
|
|
4- |
Biyoloji alanındaki güncel gelişmeleri ve kendi çalışmalarını, alanındaki ve dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli bir şekilde aktarır
|
|
|
5- |
Biyoloji alanındaki uygulamalarda karşılaşacağı öngörülmeyen karmaşık durumlarda, yeni stratejik yaklaşımlar geliştirir ve sorumluluk alarak çözüm üretir
|
|
|
6- |
Biyoloji alanı ile ilgili konularda strateji, politika ve uygulama planları geliştirir ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirir
|
|
|
7- |
En az bir yabancı dilde sözlü ve yazılı iletişim yeteneğine sahip olur (Avrupa Dil Portföyü B2 Genel Düzeyi)
|
|
|
8- |
Biyoloji alanının gerektirdiği bilgisayar yazılımı ve donanımı bilgisi ile birlikte bilişim ve iletişim teknolojilerini kullanır ve geliştirir
|
|
|
9- |
Biyoloji alanı ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında bilimsel, sosyal ve etik değerleri gözeterek bu değerleri öğretir ve denetler
|
|
|
10- |
|
|
|
11- |
|
|
|
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 iş yükü
|
|
|
Sayısı
|
Süresi (saat)
|
Sayı*Süre (saat)
|
|
Yüz yüze eğitim
|
13
|
3
|
39
|
|
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)
|
25
|
3
|
75
|
|
Ödevler
|
1
|
10
|
10
|
|
Sunum / Seminer hazırlama
|
1
|
10
|
10
|
|
Kısa sınavlar
|
0
|
0
|
0
|
|
Ara sınavlara hazırlık
|
1
|
25
|
25
|
|
Ara sınavlar
|
1
|
3
|
3
|
|
Proje (Yarıyıl ödevi)
|
0
|
0
|
0
|
|
Laboratuvar
|
0
|
0
|
0
|
|
Arazi çalışması
|
0
|
0
|
0
|
|
Yarıyıl sonu sınavına hazırlık
|
1
|
25
|
25
|
|
Yarıyıl sonu sınavı
|
1
|
3
|
3
|
|
Araştırma
|
0
|
0
|
0
|
|
Toplam iş yükü
|
|
|
190
|
|
AKTS
|
|
|
7.50
|
|
Değerlendirme yöntemleri ve kriterler
|
|
Yarıyıl içi değerlendirme
|
Sayısı
|
Katkı Yüzdesi
|
|
Ara sınav
|
1
|
80
|
|
Kısa sınav
|
0
|
0
|
|
Ödev
|
1
|
20
|
|
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
|
|