GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS
9105055222019 Makina Öğrenmesi Seçmeli Ders Grubu 1 2 8,00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

- Bilimsel incelemenin yapıldığı ortamın parametrelerinin analizinden ve/veya edindiği deneyimlerden çıkarsamalara göre kendini uyarlayan bilgisayar algoritmalarınının öğrenilmesini sağlamak. - Veri Madenciliği'nden Örüntü Tanıma'ya kadar değişik alanlara uygulamaları olan bu dersin, teorik ve uygulamalı temellerini, kavramlarını, kapsam ve kısıtlarını aktarmak - Değişik öğrenme sistemlerini derinlemesine incelemek ve bu yolla değişik problemlerin analizini ve yorumunu yapabilmelerini sağlamaktır.

Dersi Veren Öğretim Görevlisi/Görevlileri

Öğrenme Çıktıları

1 Makine Öğrenmesi ve uygulama alanlarını kavrayabilme.
2 Makine Öğrenmesine uyarlanabilen algoritmaları kavrayabilme.
3 Belirli bir problem için makine öğrenmesinin kısıtları göz önünde bulundurularak, makine öğrenmesi algoritmalarını modelleyebilme.
4 Insan öğrenmesine yakınsama yapabilen algoritmalarla geliştirilen çözümleri karşılaştırabilme.
5 Çözümü sezgisel yaklaşımlarla sağlanabilen problemlerin farklılıklarını yorumlayabilme.
6 Makine öğrenmesine dayanan güncel problemlerin farkında oluş.
7 Makine öğrenmesine yönelik geliştirilen çağdaş teknolojilerin kullanabilmesi

Öğretim Sistemi

Dersin Ön Koşulu Olan Dersler

Programlama Dilleri, Mühendislik Bölümlerine yönelik İstatistik ve Matematik

Ders İçin Önerilen Diğer Hususlar

Yok

Dersin İçeriği

Matematiksel Önbilgiler; Örnek-Temelli Öğrenme; Yapay Sinir Ağları; Karar Ağaçları ile Öğrenme; Bayes Öğrenmesi; Öğrenme Teorisi; Destek Vektör Sistemleri; Düzenlileştirme Yöntemleri; Destek-Tekrarlı Öğrenme; Öğrenme Algoritmalarının Değerlendirilmesi, Karşılaştırılması ve Birlikte Kullanılması; Evrimsel Algoritmalar; Çözümlemeli Öğrenme; Çözümlemeli ve Tümevarımsal Öğrenmenin Birlikte Kullanılması; Güncel Uygulamalar: Yüz Tanıma, Plaka Tanıma, Tekil Döngü üzerinde Araç Sınıflama v.b.sistemler.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konular (Teorik) Öğretim Yöntem ve Teknikleri Ön Hazırlık
1 Makine Öğrenmesine Giriş, temel tanımlar ve kavramlar.
2 Makine Öğrenmesine yönelik İstatistik bilgileri; Gaussian Dağılımı, Maximum Likelihood, Nearest-Neighbor metodu
3 Regresyon Analizine yönelik Lineer Modeller; Least squares, Bias ve Fixed Basis metodlari.
4 Sınıflandırmaya yönelik Lineer Modeller; Discriminant, Laplace, Bayesian Lojistik Regresyon metodları
5 Yapay Sinir Ağları Modelleri; Feedforward, Backpropagation, Bayesian networkleri
6 Çekirdek Metodları; Radial Basis Fonksiyonu, Linear regresyona tekrar bakış, yapay sinir ağlarına bağlantı
7 Spars Çekirdek Makineleri; Support Vektörleri, Relevance Vektörleri
8 Ara Sınav
9 Grafik Modelleri; Bayesian Network, Tree Yapıları
10 Mixture Modelleri; K-means Kümeleme, Expectation Maksimizasyonu
11 Örnekleme Metodları; Temel Örnekleme Algoritmaları, Monte Carlo metodu, Slice örneklemesi
12 Temel Bileşenler Analizi
13 Hidden Markov Modeli
14 Örnek uygulamalar
15 Proje Sunumları
16 Final Sınavı

Ders Kitabı / Malzemesi / Önerilen Kaynaklar

1. Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006 ISBN: 978-0387310732. 2. Neural Networks and Learning Machines, Simon Haykin, Prentice Hall, 2009 ISBN: 978-0131471399 3. Fundementals of Neural Networks: Architectures, Algorithms and Applications, Laurene V. Fausett,Prentice Hall, 1994 ISBN: 978-0133341867. 4. Artificial Neural Networks and Their Applications (2nd Edition) , Mehmet Ö. Efe and Okyay Kaynak, Boðaziçi University Publications, 2004 ISBN: 975-518-223-3.

Planlanan Öğrenme Aktiviteleri ve Metodları

Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

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 3 3
Final Sınavı 1 3 3
Quiz 3 5 15
Proje Hazırlama 8 4 32
Proje Sunma 1 1 1
Makale Yazma 4 2 8
Bireysel Çalışma 12 3 36
Ödev Problemleri için Bireysel Çalışma 8 6 48
Ara Sınav İçin Bireysel Çalışma 1 26 26
Final Sınavı içiin Bireysel Çalışma 1 26 26
Okuma 9 3 27
Toplam İş Yükü (saat) 225

Program ve Öğrenme Çıktıları İlişkisi

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7
ÖÇ 1
ÖÇ 2
ÖÇ 3
ÖÇ 4
ÖÇ 5
ÖÇ 6
ÖÇ 7
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek