GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9029002242020 | YAPAY ZEKA-II | Ders | 2 | 4 | 5,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Dersin Amacı
Yapay Zeka temel kullanımı öğrenir
Dersi Veren Öğretim Görevlisi/Görevlileri
Nihat TUNALI
Öğrenme Çıktıları
| 1 | Yapay Zekada veri analizini öğrenir |
| 2 | Yapay Zeka da tahmin metodlarını öğrenir |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Python ile veri kümelerinde çalışır ve tahmin metodlarını yazabilir
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Makine öğrenmesi uygulamaları | |||
| 2 | Kütüphanelerin Yüklenmesi Eksik Veriler (Missing Values) Kategorik Veriler Verilerin Birleştirilmesi ve DataFrame Oluşturulması Veri Kümesinin Eğitim ve Test olarak bölünmesi | |||
| 3 | Tahmin (Prediction) Problemlerine Giriş Veri Kümesinin İndirilmesi Basit Doğrusal Regresyon (Simple Linear Regression) | |||
| 4 | Veri Yükleme ve Ön İşleme Şablonunun Kullanılması ve Regresyona Hazırlık Phyton ile Basit Doğrusal Regresyon Model İnşası Python ile Basit Doğrusal Regresyon Uygulaması Basit Doğrusal Regresyon Görselleştirilmesi | |||
| 5 | Veri Kümesi ve Problemin Tanınması Çoklu Doğrusal Regresyon (Multiple Linear Regression) Kavramına Giriş Kukla Değişken ve Tuzağı (Dummy Variable Trap) | |||
| 6 | P-Value (Olasılık Değeri) Çok Değişkenli Modellerde, Değişken Seçimi Çoklu Değişken için Veri Hazırlama (Python Kodu) | |||
| 7 | Çoklu Değişken Linear Model Oluşturma Python Kodlaması ve Model Python ile Geri Eleme (Backward Elimination) | |||
| 8 | Veri Kümesi, Kavramın ve Problemin Tanımı Polinomal Regresyonun Python ile Uygulama kodu Python ile Doğrusal Olmayan Şablon (Polinomial Regression Python Template) | |||
| 9 | SVR Tanımı ve Problem Python ile Support Vector Tahmini Uygulaması | |||
| 10 | Karar Ağacı kullanarak tahmin yöntemi Python ile karar ağacı kullanarak tahmin | |||
| 11 | Rassal Ağaç (Random Forest) Algoritması ve Tahmin Python ile Rassal Ağaç kullanarak Tahmin | |||
| 12 | R2 Hesaplanması Düzeltilmiş R2 Hesaplaması (Adjusted R2) Python ile R2 hesaplama ve Algoritmaların Karşılaştırılması | |||
| 13 | Tahmin Metotlarının Karşılaştırılması | |||
| 14 | Örnek proje üzerinde çalıştırma |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Internet ve youtube kaynakları
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 4 | 4 |
| Final Sınavı | 1 | 4 | 4 |
| Derse Katılım | 14 | 3 | 42 |
| Bireysel Çalışma | 14 | 4 | 56 |
| Ödev Problemleri için Bireysel Çalışma | 2 | 6 | 12 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 8 | 8 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 8 | 8 |
| Ev Ödevi | 2 | 6 | 12 |
| Toplam İş Yükü (saat) | 146 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | |
| ÖÇ 1 | 4 | 5 | 5 | 4 | 3 | 2 | 2 | ||||||
| ÖÇ 2 | 4 | 5 | 5 | 3 | 3 | 2 | 2 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek