CE 345 | Ders Tanıtım Bilgileri - Bilgisayar Mühendisliği

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
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Alper Demir
Öğretim Eleman(lar)ı	Araş. Gör. Dr. M. Çağkan ULUDAĞLI
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

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	Geniş bir yelpazede birçok otomatik öğrenme algoritmasını tasvir edebilecek.
2	Alandaki temel teknik ve algoritmaları uygulayabilecek.
3	Alandaki farklı algoritma ve teknikleri karşılaştırabilecek.
4	Özel durumlar için otomatik öğrenme algoritmaları tasarlayabilecek.
5	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

Hafta	Konular	Ön Hazırlık	Öğrenme Çıktısı
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

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO 1	LO 2	LO 3	LO 4	LO 5
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

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

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	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.		-	-	-	-	-