CE 395 | Ders Tanıtım Bilgileri - Bilgisayar Mühendisliği

Dersin Adı

Otomatik Öğrenme Özel Konuları

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
CE 395	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	Problem çözme Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Kaya OĞUZ
Öğretim Eleman(lar)ı	-
Yardımcı(ları)	-

Dersin Amacı

Bu ders, ileri otomatik öğrenme metotları için gereken matematiksel ve kavramsal temelleri vermektedir. Bu derste, örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, vektör ve matris manipülasyonları, sayısal optimizasyon ve istatistiksel öğrenme teorisinin temelleri kapsanacaktır.

Öğrenme Çıktıları

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	Veri işleme algoritmalarına dahil olarak işaret örnekleme ve filtreleme prensiplerini uygulayabilecektir.
2	Veri işleme algoritmalarında vektör ve matrisleri kullanabilecektir.
3	Otomatik öğrenme algoritmaları için sayısal optimizasyon yöntemlerini kullanabilecektir.
4	İstatistiksel öğrenme teorisinin prensiplerini tanımlayabilecektir.
5	Otomatik öğrenme algoritmalarını Bayas-varyans ödünleşimi, model karmaşıklığı, çarpaz geçerlilik boyutlarında karşılaştırabilecektir.

Ders Tanımı

Aşağıdaki konular ders programına dahil olacaktır: örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, temel vektör ve matris işlemleri, sayısal optimizasyon temelleri, istatistiksel öğrenme teorisinin temelleri.

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	Giriş: Otomatik öğrenme nedir?	Bölüm 1. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning. ISBN 9780387216065
2	İşaret örnekleme temelleri - örnekleme frekansı, Nyquist frekansı, sinyal ve resim çözünürlüğü, Shannon bilgi teorisi, verimli kodlar, veri sıkıştırması	Bölüm 1. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
3	Sayısal filtrelemeye giriş, evrişim, doğrusal ve zamanda değişmez sistem teorisi, 1D ve 2D filtreler, doğrusal ve doğrusal olmayan filtreler	Bölüm 2. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
4	Fourier dönüşümü, ayrık Fourier dönüşümü, sinyal ve resmin spektrumu, karmaşık sayılar	Bölüm 3. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
5	Doğrusal cebir özeti - satır ve sütün vektörleri, matrisler, matris çarpımı, dışlar çarpımı, norm	Linear Algebra and Its Applications, David C. Lay, Steven R. Lay, Judi J. McDonald, Pearson, 5th Edition
6	Sayısal optimizasyonun temelleri – optimallik koşulları, KKT koşulları, eğim azalma optimizasyonu, konveks optimizasyon programları	Bölüm 1. Kısım 1.1-1.4. Bölüm 4. Kısım 4.3, 4.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition
7	Ara-sınav
8	Primal-dual teorisi, büyük ölçekte optimizasyon, stokastik eğim azalma yöntemi	Bölüm 2. Bölüm 6. Kısım 6.1-6.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition
9	Olasılık özeti, rastgele değişkenler ve olasılık dağılımları, Bayes teoremi, beklenen değerler, Büyük Sayılar Kanunu, Merkez Limit Teoremi, Markov, Jensen, Chernoff ve Hoeffding eşitsizlikleri	Statistics for Engineers and Scientists, William Navidi, 4th Ed., Mc-Graw Hill.
10	İstatistiksel öğrenme teorisine giriş - istatistiksel faaliyet olarak öğrenme, denetimli ve denetimsiz öğrenme, regresyon ve sınıflandırma	Bölüm 2. Kısım 2.1-2.3. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
11	İstatistiksel karar verme teorisi, fonksiyon kestirimi, istatistiksel modeller, kısıtlanmış kestirimler, boyutluluk laneti, bayas-varyans ödünleşimi	Bölüm 2. Kısım 2.4-2.6, 2.8. Bölüm 7. Kısım 7.2. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
12	Model değerlendirilme ve seçimi, efektif model boyutları, AIC, BIC, Vapnik-Chervonenkis boyutu	Bölüm 7. Kısım 7.2-7.7. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
13	Vapnik-Chervonenkis boyutu, çarpaz geçerlilik ve özellikleri, bootstrap metodları	Bölüm 7. Kısım 7.9-7.11. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
14	Dönemin gözden geçirilmesi
15	Dönemin gözden geçirilmesi
16	Dönemin gözden geçirilmesi

Ders Kitabı

A. Oppenheim, A. Willsky, Signals & Systems, Pearson, 1996, ISBN 0136511759

Önerilen Okumalar/Materyaller

D. Lay, S. Lay, J. McDonald, Linear Algebra and Its Applications, Pearson, 5th Edition, 2015, ISBN 9780321982384

D. Bertsekas, Nonlinear Programming, Athena Scientific, 3rd Edition, 2016, ISBN 9781886529052

W. Navidi, Statistics for Engineers and Scientists, Mc-Graw Hill, 3rd Edition, 2010, ISBN 9780073376332

T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer, 2013, ISBN 9780387216065.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO 1	LO 2	LO 3	LO 4	LO 5
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev	5	20
Sunum / Jüri Önünde Sunum
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	50
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	6	50
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	50
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	2	28
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev	5	6	30
Sunum / Jüri Önünde Sunum			0
Proje			0
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	20	20
Final Sınavı	1	24	24
		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.		-	-	-	-	X
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.		-	-	-	-	-
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.		-	-	-	-	-