Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
MAKİNE ÖĞRENMESİ	İkinci Düzey	ENM 628		1	7.50	7.50	Yazdır

Dersin Tanımı

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,

Dersin İçeriği

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	--

Dersin Öğrenme Çıktıları

1	Makine öğrenmesinde ileri düzey yaklaşımları ve kavramları açıklar
2	Denetimli, denetimsiz ve takviyeli öğrenme yöntemlerini uygular
3	İstatiksel öğrenme teorisinin kavramlarını açıklar
4	Model performanslarını ileri düzey ölçütlerle yorumlar ve raporlar
5	Python ve farklı programlama dillerini kullanarak makine öğrenme algoritmalarını uygular
6	Veri ön analizi gerçekleştirerek, hiper parametre optimizasyonu yapar ve model seçimi yöntemlerini uygular.
7	--
8	--
9	--
10	--

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	mesleki rol ve işlevlerini yerine getirmek için gerekli kuramsal ve uygulama bilgilerine sahiptir.
2	Uygulamalarla ilgili yasa yönetmelik ve mevzuatı dikkate alır
3	Mesleki etik ilke ve değerlere uygun davranır
4
5
6
7
8
9
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 İş 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

Ders İle İlgili Dosyalar