| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Denetimsiz Öğrenme | VBA 204 | 4 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Arş.Gör. ALİ HÜSAMEDDİN ATEŞ |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | |
| Dersin İçeriği | Bu ders, denetimsiz öğrenme algoritmalarının teorik temellerini, uygulama tekniklerini ve gerçek dünya veri kümeleri üzerindeki uygulamalarını kapsayacaktır. Öğrenciler temel denetimsiz öğrenme tekniklerini öğreneceklerdir. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Denetimsiz öğrenmenin temel kavramlarını ve algoritmalarını anlar. | ||
| 2 | Farklı veri kümeleme yöntemlerini ve bunların uygulama alanlarını kavrar. | ||
| 3 | Çeşitli denetimsiz öğrenme algoritmalarını Python programlama dili kullanarak uygular. | ||
| 4 | Gerçek dünya veri kümeleri üzerinde denetimsiz öğrenme tekniklerini kullanarak bilgi çıkarımı yapar. | ||
| 5 | Denetimsiz öğrenme modellerinin performansını değerlendirme yöntemlerini öğrenir. |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Denetimsiz Öğrenmenin Temelleri | |
| 2 | Veri ön işleme | |
| 3 | K-Means Kümeleme Algoritması | |
| 4 | Hiyerarşik Kümeleme Algoritması | |
| 5 | DBSCAN Algoritması | |
| 6 | Karışım Modelleri | |
| 7 | Boyut Azaltma Yöntemleri | |
| 8 | Temel Bileşen Analizi | |
| 9 | Derin Öğrenme ile Denetimsiz Öğrenme | |
| 10 | Derin Öğrenme ile Denetimsiz Öğrenme | |
| 11 | Apriori algoritması | |
| 12 | Anomali tespiti teknikleri | |
| 13 | Gerçek Problemler üzerinde Denetimsiz Öğrenme uygulamaları | |
| 14 | Gerçek Problemler üzerinde Denetimsiz Öğrenme uygulamaları |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Veri Biliminde matematik konusunda yeterli bilgi birikimine ve bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık veri bilimi problemlerinin çözümünde kullanabilme becerisine sahiptir. | ||||||
| 2 | Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir | ||||||
| 3 | Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir | ||||||
| 4 | Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir | ||||||
| 5 | Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir | ||||||
| 7 | Yenilikçi fikirler ve yöntemler geliştirme kabiliyetine; veri bilimi ve analitiği alanında veri işleme süreçlerinde yeni yaklaşımlar ortaya koyabilme becerisine sahiptir | ||||||
| 8 | Gereksinim duyulan veri ve bilgileri tanımlama, erişme ve değerlendirme, veri yönetimi ve analitiği alanında yetkindir. | ||||||
| 9 | Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir | ||||||
| 10 | Yapılan çalışmaların sonuçlarını etkili bir şekilde aktarabilir ve teknik ve karmaşık konuları anlaşılır bir şekilde sunabilir | ||||||
| 11 | Veri bilimi ve analitiği uygulamalarının sosyal ve çevresel etkilerinin farkındadır ve bu bağlamda uyum sağlayabilir | ||||||
| 12 | Veri toplama, analiz etme ve raporlama süreçlerinde toplumsal, bilimsel ve etik değerler hakkında bilgi sahibidir; etik ilkeleri gözetir ve toplumun faydasını ön planda tutar | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Denetimsiz öğrenmenin temel kavramlarını ve algoritmalarını anlar. | ||||||||||||
| 2 | Farklı veri kümeleme yöntemlerini ve bunların uygulama alanlarını kavrar. | ||||||||||||
| 3 | Çeşitli denetimsiz öğrenme algoritmalarını Python programlama dili kullanarak uygular. | ||||||||||||
| 4 | Gerçek dünya veri kümeleri üzerinde denetimsiz öğrenme tekniklerini kullanarak bilgi çıkarımı yapar. | ||||||||||||
| 5 | Denetimsiz öğrenme modellerinin performansını değerlendirme yöntemlerini öğrenir. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| Toplam | 0 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|