Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
INTRODUCTION TO MACHINE LEARNING	Üçüncü Düzey	BS 444		7	3.00	3.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Yok
Eğitimin Dili	İngilizce
Koordinatör	DOÇ. DR. METE ÇELİK
Dersi Veren Öğretim Eleman(lar)ı
Yardımcı Öğretim Eleman(lar)ı	Yok
Dersin Veriliş Şekli	Yüz Yüze
Dersin Amacı	Makineli öğrenme konularının incelenmesini amaçlamaktadır.
Dersin Tanımı	Makineli öğrenme konularının incelenmesi

Dersin İçeriği

1	Giriş
2	Kavram öğrenme ve genelden özele sıralama
3	Karar ağacı ile öğrenme
4	Yapay sinir ağları
5	Hipotezleri değerlendirme
6	Bayes öğrenme
7	Bayes öğrenme
8	Hesaplamalı öğrenme teorisi
9	Genetik algoritmalar
10	Kural tabanlı öğrenme
11	Kural tabanlı öğrenme
12	Analitik öğrenme
13	Zorlamalı öğrenme
14	Makineli öğrenme uygulamaları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Bayes öğrenme ve kural tabanlı öğrenme tekniklerini kullanma becerisi
2	Makineli öğrenme tekniklerinin problemleri çözmek için kullanma becerisinin elde edilmesi
3	Karar ağaçlarını kullanabilme becerisi
4	Yapay sinir ağlarını kullanabilme becerisi
5	Danışmanlı öğrenme tekniklerini kullanabilme becerisi
6	Danışmansız öğrenme tekniklerini kullanabilme becerisi
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1
2
3
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	14	2	28
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	0	0	0
Ödevler	0	0	0
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	7	7
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	1	8	8
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	15	15
Yarıyıl sonu sınavı	1	2	2
Araştırma	0	0	0
Toplam iş yükü			62
AKTS			2.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	20
Kısa sınav	0	0
Ödev	1	20
Yarıyıl içi toplam		40
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, Tom Mitchell, McGraw Hill
Yardımcı Kaynaklar	-

Ders İle İlgili Dosyalar