Bizi takip edin
|
EN

MÜHENDİSLİK FAKÜLTESİ

Bilgisayar Mühendisliği

CE 345 | Ders Tanıtım Bilgileri

Dersin Adı
Otomatik Öğrenmeye Giriş
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
CE 345
Güz/Bahar
3
0
3
5

Ön-Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Seçmeli
Dersin Düzeyi
Lisans
Dersin Veriliş Şekli -
Dersin Öğretim Yöntem ve Teknikleri Tartışma
Problem çözme
Soru & Cevap
Anlatım / Sunum
Dersin Koordinatörü
Öğretim Eleman(lar)ı
Yardımcı(ları) -
Dersin Amacı Otomatik öğrenme, deneyim ile otomatik olarak kendini geliştirebilen bilgisayar programlarının nasıl tasarlanacağı ile ilgilidir. Bu dersin amacı, otomatik öğrenme alanında kullanılan, en yeni ve etkin algoritmaları gözden geçirmektir. Bu algoritmaların hem teorik özellikleri hem de pratik uygulamaları tartışılacaktır.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Geniş bir yelpazede birçok otomatik öğrenme algoritmasını tasvir edebilecek.
  • Alandaki temel teknik ve algoritmaları uygulayabilecek.
  • Alandaki farklı algoritma ve teknikleri karşılaştırabilecek.
  • Özel durumlar için otomatik öğrenme algoritmaları tasarlayabilecek.
  • Otomatik öğrenme tekniklerinin potansiyel kullanım alanlarını değerlendirebilecektir.
Ders Tanımı Otomatik öğrenme, geçmiş deneyimleriyle otomatik olarak performanslarını iyileştiren bilgisayar programları ile ilgilenir. Yapay zeka, istatistik, bilgi kuramı, biyoloji ve kontrol teorisi gibi bir çok alandan ilham alan otomatik öğrenme dersinde aşağıdaki konular işlenecektir; hesaplamalı öğrenme teorisi, makine öğrenmesi kavramları, Bayes öğrenmesi, gözetimli öğrenme, sınıflandırma yöntemleri, regresyon yöntemleri, gözetimsiz öğrenme, gruplaştırma yöntemleri, yapay sinir ağları, pekiştirmeli öğrenme ve ileri makine öğrenmesi yöntemlerinin tartışılması.

 



Dersin Kategorisi

Temel Ders
Uzmanlık/Alan Dersleri
X
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 Python ile Veri Bilimine Giriş Grus, Ch.s 2--6
2 Giriş ve Makine Öğrenmesi Kavramları Alpaydın, Ch.1
3 Bayes Karar Teorisi ve Bayes Sınıflandırması Alpaydın, Ch.3
4 Gözetimli Öğrenme - Parametrik Sınıflandırma Yöntemleri Alpaydın, Ch.s 2, 10; Goodfellow et al, Ch. 5.5
5 Gözetimli Öğrenme - Parametrik Olmayan Sınıflandırma Yöntemleri Hastie et al, Ch. 13
6 Gözetimli Öğrenme - Regresyon Yöntemleri Weisberg, Ch. 2
7 Makine Öğrenmesi Metrikleri Çeşitli bilimsel makaleler
8 Ara sınav
9 Gözetimsiz Öğrenme - Gruplaştırma Yöntemleri Alpaydın, Ch. 7; Geron, Ch. 9
10 Gözetimsiz Öğrenme - Gruplaştırma Yöntemleri Geron, Ch. 9; Murphy, Ch.s 25.3, 25.4, 25.5
11 Gözetimsiz Öğrenme - Yapay Sinir Ağları Bishop, Ch. 5; Alpaydın, Ch. 11
12 Gözetimsiz Öğrenme - Yapay Sinir Ağları Bishop, Ch. 5; Alpaydın, Ch. 11
13 Pekiştirmeli Öğrenme Alpaydın, Ch. 18
14 Pekiştirmeli Öğrenme ve Gelişmiş Makine Öğrenmesi Yöntemleri Alpaydın, Ch.s 11, 18; Goodfellow et al, Ch.s 6, 7, Murphy, Ch. 28
15 Dönemin gözden geçirilmesi
16 Final Sınavı

 

Ders Kitabı

Alpaydın, E. (2014), Introduction to Machine Learning. The MIT Press, ISBN-13: 978-0-262-028189

Önerilen Okumalar/Materyaller

Grus, J. (2019). Data science from scratch: first principles with python. O'Reilly Media, ISBN: 9781492041139

Murphy, K. P. (2012). Machine learning: a probabilistic perspective. MIT press, ISBN-13: 978-0262018029

Mitchell, T. M. (1997). Machine Learning. McGraw-Hill, ISBN: 0070428077

Bishop, C. M. (2006). Pattern recognition and machine learning. Springer, ISBN-13: 978-0387-31073-2

Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer, ISBN-13: 978-0-387-84857-0

Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. O'Reilly Media, Inc., ISBN-13: 9781492032649

Weisberg, S. (2014). Applied linear regression. Wiley, ISBN-13: 9780471663799

Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep learning. MIT Press, ISBN-13: 978-0262035613

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri Sayı Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
6
30
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
1
30
Final Sınavı
1
40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
7
60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
1
40
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x teorik ders saati)
16
3
48
Laboratuvar / Uygulama Ders Saati
(Sınav haftası dahildir. 16 x uygulama/lab ders saati)
16
0
Sınıf Dışı Ders Çalışması
14
4
56
Arazi Çalışması
0
Küçük Sınav / Stüdyo Kritiği
6
2
12
Portfolyo
0
Ödev
0
Sunum / Jüri Önünde Sunum
0
Proje
0
Seminer/Çalıştay
0
Sözlü Sınav
0
Ara Sınavlar
1
14
14
Final Sınavı
1
20
20
    Toplam
150

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1

Matematik, Fen Bilimleri ve Bilgisayar Mühendisliği konularında yeterli bilgi sahibidir; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanır.

2

Karmaşık Bilgisayar Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaca uygun analiz ve modelleme yöntemlerini seçer ve uygular.

X
3

Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular.

4

Bilgisayar Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır.

X
5

Karmaşık Bilgisayar Mühendisliği problemlerinin veya araştırma konularının incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar.

X
6

Bilgisayar Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler.

7

Türkçe sözlü ve yazılı etkin iletişim kurar; etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır.

8

Bilgisayar Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; mühendislik çözümlerinin hukuksal sonuçlarının farkındadır.

9

Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilincine sahiptir; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibidir.

10

Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibidir; girişimcilik, yenilikçilik hakkında bilinçlidir; sürdürülebilir kalkınma hakkında bilgi sahibidir.

11

Bir yabancı dili kullanarak Bilgisayar Mühendisliği ile ilişkili konularda, bilgi toplar ve meslektaşları ile iletişim kurar. ("European Language Portfolio Global Scale", Level B1)

12

İkinci yabancı dili orta düzeyde kullanır.

13

Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilgiye erişir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler; insanlık tarihi boyunca oluşan bilgi birikimini Bilgisayar Mühendisliği alanıyla ilişkilendirir.

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


SOSYAL MEDYA

İzmir Ekonomi Üniversitesi
izto logo
İzmir Ticaret Odası Eğitim ve Sağlık Vakfı
kuruluşudur.
ieu logo

Sakarya Caddesi No:156
35330 Balçova - İzmir / TÜRKİYE

kampus izmir

Bizi Takip edin

İEU © Tüm hakları saklıdır.