MÜHENDİSLİK FAKÜLTESİ
Bilgisayar Mühendisliği
SOSYAL MEDYA
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 | TartışmaProblem çözmeSoru & CevapAnlatım / 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;
|
| 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. |
|
|
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
HABER |TÜM HABERLER
Ev Mutfağı ‘Restoran Mutfağı’ Olacak
İzmir Ekonomi Üniversitesi (İEÜ) mezunları Esra-Melis Sarıhan kardeşler, ev aşçıları ile yemek tutkunlarını ‘bir tıkla’ buluşturacak ‘Yedir’ isimli uygulamayı geliştirdi.
Orta Doğu’nun en başarılı 10 kadınından biri oldu
İzmir Ekonomi Üniversitesi (İEÜ) Bilgisayar Mühendisliği Bölümü mezunu Melda Akın, dünyaca ünlü Forbes şirketi tarafından Orta Doğu’nun teknoloji alanındaki en başarılı 10
İş vaadiyle tuzağa düşmeyin
İnternet üzerinden vatandaşları tuzağa düşürerek kişisel verileri ele geçirmenin ve para çarpmanın yollarını arayan dolandırıcıların son taktiği, evden çalışmayı da vadeden sahte
Depremde cep telefonları hayat kurtarıyor
İzmir'i vuran 6.6'lık depremde yıkılan binaların enkazı altında kalan çok sayıda kişinin yeri, cep telefonlarından kurulan iletişim ile tespit edildi. İzmir Ekonomi