| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Makine Öğrenmesi Algoritmaları ve Uygulamaları | YBS 619 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Doç.Dr. ÇAĞLA EDİZ |
| Dersi Verenler | Doç.Dr. ÇAĞLA EDİZ, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Büyük veriler üzerinde doğru karar verme, ileriye dönük öngörülerde bulunabilme algoritmalarının öğrenilmesi |
| Dersin İçeriği | Bilimsel çalışmalarda önemli bir yere sahip olan tahminler, algoritmaları içerir. Algoritmalar, denetimli ve denetimsiz öğrenme veya regresyon, sınıflandırma, kümeleme gibi farklı gruplara ayrılabilir. Derste uygulama aracı olarak Phyton Programlama kullanılmaktadır. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Verilen veri setine hangi makine öğrenmesi yönteminin uygun olduğuna karar verebilir. | Soru-Cevap, Tartışma, | |
| 2 | Doğrusal regresyon ile sınıflama algoritmaları arasındaki farkı ve hangisini kullanması gerektiğini bilir. | Tartışma, | |
| 3 | Kümeleme algoritmalarını bilir ve uygular | Tartışma, Anlatım, | |
| 4 | Tek ve çok katmanlı yapay sinir ağlarını, backpropagation gibi sınıflama algoritmalarını bilir ve uygular. | Tartışma, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Yapay Zekâ, Makine Öğrenmesi ve Veri Madenciliğine Giriş | |
| 2 | Makine Öğrenmesinde Öğrenme Stratejileri ve Makine Öğrenmesi Süreci | |
| 3 | Phyton Programlamaya Giriş: Temel Komutlar ve Örnekler, Veri Ön-İşleme | |
| 4 | Phyton Programlamaya Giriş: Temel Komutlar ve Örnekler, Veri Ön-İşleme | |
| 5 | Regresyon Modelleri ve Model Performans Değerlendirmesi | |
| 6 | k-En Yakın Komşuluk Algoritması ile Sınıflandırma ve Model Performans Değerlendirmesi | |
| 7 | Naive Bayes Sınıflandırıcı | |
| 8 | k-Ortalamalar Algoritması ile Kümeleme ve Model Performans Değerlendirmesi | |
| 9 | Karar Ağacları ile Sınıflandırma ve Model Performans Değerlendirmesi (ve öğrenci proje sunumları) | |
| 10 | Yapay Sinir Ağları ve Derin Öğrenme | |
| 11 | Destek Vektör Makineleri | |
| 12 | Hibrit Yöntemler (ve öğrenci proje sunumları) | |
| 13 | Metin Madenciliği (ve öğrenci proje sunumları) | |
| 14 | Öğrenci Proje Sunumları |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. O'Reilly Media. Alpaydin, E. (2020). Introduction to machine learning. MIT press. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | En az bir yabancı dili de kullanarak kendi disiplininde derinlemesine bilgi sahibidir. | X | |||||
| 2 | Kendi disiplinindeki kavram, uygulama, model ve teoriler ile araştırma yöntem bilgisini, bilimsel çalışmalarda ele aldığı işletme ve yönetim sorunlarının çözümünde disipline orijinal katkı sunacak şekilde kullanır. | X | |||||
| 3 | Sahip olduğu bilgileri etik değerlere uygun, yasalar çerçevesinde, doğru ve güvenli şekilde kullanır. | X | |||||
| 4 | Disiplini ile ilgili sosyal konular hakkında farkındalığını gösterir. | X | |||||
| 5 | Bilimsel çalışmalarını nitelikli bilimsel mecralarda yayınlatabilir. | X | |||||
| 6 | Bilimsel çalışmalarını sözlü olarak bilimsel toplantılarda akademik teamüllere uygun bir şekilde sunabilir. | X | |||||
| 7 | Toplumsal refah oluşturmak için inovasyona dayalı girişimciliği stratejik eylemler ile ilişkilendirebilir ve tasarlayabilir. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Verilen veri setine hangi makine öğrenmesi yönteminin uygun olduğuna karar verebilir. | |||||||
| 2 | Doğrusal regresyon ile sınıflama algoritmaları arasındaki farkı ve hangisini kullanması gerektiğini bilir. | |||||||
| 3 | Kümeleme algoritmalarını bilir ve uygular | |||||||
| 4 | Tek ve çok katmanlı yapay sinir ağlarını, backpropagation gibi sınıflama algoritmalarını bilir ve uygular. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| Toplam | 0 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|