Makine Öğreniminin Temelleri ve Uygulamaları

Ders Kodu:

COMP 311

Ders Tipi:

Alan Seçmeli

Teori Saati:

3

Uygulama Saati:

0

Kredi:

3

AKTS:

6

Dersin Dili:

İngilizce

Dersin Amacı:

Bu ders, makine öğrenimi ve iş problemlerinde kullanımı için teorik ve pratik bir temel sağlamayı amaçlamaktadır.

Dersin İçeriği:

Makine Öğrenmesine Giriş, Karar Ağaçları, Örnek Tabanlı Öğrenme, Bayesian Öğrenme, Lojistik Regresyon, Sinir Ağları, Destek Vektör Makineleri, Model Seçimi, Özellik Seçimi, Kümeleme, k-ortalamalar, Beklenti Maksimizasyonu, Gauss Karışımı, Topluluk Öğrenmesi, Derin Öğrenme, Düşmanca Öğrenme, Takviyeli Öğrenme

Dersin Öğretim Yöntemleri:

1: Anlatım, 2: Soru-Cevap, 3: Tartışma, 4: Simulasyon, 5: Durum Çalışması

Dersin Ölçme Yöntemleri:

A: Sınav B: Presentasyon, C: Ödev, D: Proje, E: Laboratuar

Dikey Sekmeler

Dersin Öğrenme Çıktıları

Ders Öğrenme Çıktıları	Program Öğrenme Çıktıları	Öğretme teknikleri	Değerlendirme yöntemleri
Öğrenci, makine öğreniminin temellerini anlayacaktır.	6	1,4	A,B,C
Öğrenci, bir dizi iyi bilinen denetimli, denetimsiz ve yarı denetimli öğrenme algoritmalarını öğrenecektir.	6,9,8	1,2,3,4	A,B,C
Öğrenci, verilen bazı gerçek dünya makine öğrenme problemlerine çözümler programlayabilecektir.	6	1,2,3,4	A,B,C
Öğrenci bir projeyi tamamlayacak, rapor yazacak ve makine öğreniminde bir konu hakkında sınıfta sunum yapacak.	6	1	A
Bir problemin parametreleri göz önüne alındığında, öğrenciler farklı makine öğrenimi yöntemlerinin avantajlarını ve dezavantajlarını tanımlayabilmelidir.	6	1,2,3,4	A,B,C

Dersin Akışı

DERS AKIŞI
Hafta	Konular	Ön Hazırlık
1	Makine Öğrenimine Giriş	Ders kitabı
2	Karar ağaçları	Ders kitabı
3	Örnek Tabanlı Öğrenme	Ders kitabı
4	Bayesian Öğrenme	Ders kitabı
5	Lojistik regresyon	Ders kitabı
6	Nöral ağlar	Ders kitabı
7	ARA SINAV	Sınav
8	Vektör makineleri desteklemek	Ders Kitabı
9	Model Seçimi ve Özellik Seçimi	Ders kitabı
10	Kümeleme, k-ortalamalar, Beklenti Maksimizasyonu, Gauss Karışımı	Ders kitabı
11	Model Toplulukları	Ders kitabı
12	Derin Öğrenme	Ders kitabı
13	Düşmanca Makine Öğrenimi	Ders kitabı
14	Pekiştirmeli Öğrenme	Ders kitabı
15	Final Sınavı	Sınav

Kaynaklar

KAYNAKLAR
Ders Kitabı	Introduction to Machine Learning (2nd Edition), Ethem Alpaydin, The MIT Press,2010 Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006 Machine Learning, Tom Mitchell, McGraw-Hill, 1997
Ek Kaynaklar	Stephen Haunts , A Gentle Introduction to Agile Software Development, Stephen Haunts Ltd., 1th Ed., 2017.

Materyal Paylaşımı

MATERYAL PAYLAŞIMI
Belgeler	Ders Konuları için Yönergeler ve ek örnekler
Ödevler	Ev Ödevleri
Sınavlar	Ara Sınav ve Final Sınavı

Değerlendirme Sistemi

DEĞERLENDİRME SİSTEMİ
YARIYIL İÇİ ÇALIŞMALAR	SIRA	KATKI YÜZDESİ
Ara Sınav	1	20
Proje Sunumları	1	50
Devamsızlık ve Labaratuar	5	30
Toplam		100
Finalin Başarıya Oranı		40
Yıl içinin Başarıya Oranı		60
Toplam		100

AKTS İş Yükü Tablosu

AKTS/İŞ YÜKÜ TABLOSU
Aktiviteler	Miktar	Süre (Saat)	Toplam İş Yükü (Saat)
Ders Süresi (Hariç sınav hafta : 12x toplam ders saati)	14	3	42
Sınıf Dışı Ders Çalışma Süresi (miktar x toplam ders saati)	14	3	42
Arasınavlar	1	2	2
Projeler	1	30	30
	5	6	30
Final Sınavı	2	3	6
Toplam İş Yükü			152
Toplam İş Yükü / 25 (s)			6,08
Dersin AKTS Kredisi			6

Hiçbiri

Arama formu