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	Denetimli Öğrenme Algoritmaları, Denetimsiz Öğrenme Algoritmaları, Takviyeli Öğrenme, Markov Karar Süreci, Saklı Markov Modelleri, Makine Öğrenmesinde kullanılacak programlama araçları

Dersin İçeriği

1	Makine Öğrenmede temel kavramlar
2	Makine öğrenmesinde algoritmaların sınıflandırması, Programlama Araçları
3	Lineer Regresyon Modeli ve Gradyan Azalma Yöntemi
4	Lojistik Regresyon
5	Destek Vektör Makinaları,
6	Destek Vektör Makinaları ve Karar Ağaçları
7	Makine Öğrenmesinde Kümeleme Algoritmaları
8	Makine Öğrenmesinde Kümeleme Algoritmaları
9	Ara Sınav
10	Saklı Markov Modelleri
11	Saklı Markov Modelleri
12	Markov Karar Süreci
13	Takviyeli Öğrenme
14	Takviyeli Öğrenme
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	Alan ile ilişkili teorik yaklaşımlara dair temel bir bilginin edinilmesi
2	Alan ile ilgili uygulamalara (pratiğe) yönelik temel bir bilginin edinilmesi
3	Teori ve pratikte dünya çapında meydana gelen gelişmelerin takip edilebilmesi
4	Ekip çalışması becerisinin kazanılması
5	İnisiyatif alma, kreatif çözümler geliştirebime ve analitik düşünce yeteneğinin kazanılması
6	Alanda, araştırmalarını ve/veya pratiklerini yürüten kişiler veya gruplarla iletişimde bulunmak için gerekli becerilerin kazanılması
7	Bir yabancı dili kullanarak alanda, araştırmalarını ve/veya pratiklerini yürüten yabancı kişiler veya gruplarla iletişimde bulunmak için gerekli becerilerin kazanılması
8	Alandaki çeşitli yazılımları ve/veya teknik ekipmanları kullanabilme yeteneğinin kazanılması
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