Dersin Adı
|
Makine Öğrenmesi Temelleri ve Uygulamaları
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta)
|
Uygulama/Lab
(saat/hafta)
|
Yerel Kredi
|
AKTS
|
CE 475
|
Güz/Bahar
|
2
|
2
|
3
|
7
|
Ön-Koşul(lar)
|
|
MATH 240 Başarılı olmak (En az DD notu almış olmak) |
|
Dersin Dili
|
İngilizce
|
Dersin Türü
|
Seçmeli
|
Dersin Düzeyi
|
Lisans
|
Dersin Veriliş Şekli
|
- |
Dersin Öğretim Yöntem ve Teknikleri
|
Tartışma Problem çözme Soru & Cevap Kritik verme Deney / Laboratuvar / Atölye uygulama Anlatım / Sunum
|
Ulusal Meslek Sınıflandırma Kodu
|
-
|
Dersin Koordinatörü
|
|
Öğretim Eleman(lar)ı
|
|
Yardımcı(ları)
|
|
Dersin Amacı
|
Bu ders otomatik öğrenmeye istatiksel bir temel oluşturur ve öğrencilere bu temel üstünden otomatik öğrenmeyi tanıtır. Öğrenciler otomatik öğrenme algoritmalarını pratik problemlere uygulamayı, istatiksel analiz yöntemleri kullanarak uygun algoritma seçmeyi ve oluşturdukları modellerin doğruluk derecesini değerlendirmeyi öğrenir. |
Öğrenme Çıktıları
|
#
|
İçerik
|
PÇ Sub
|
* Katkı Düzeyi
|
1
|
2
|
3
|
4
|
5
|
1 | gözetimli öğrenme ve gözetimsiz öğrenmeyi tanımlayabilecek, | | | | | | | 2 | temel öğrenme modellerini sıralayabilecek, | | | | | | | 3 | değişik tür problemler için çeşitli programlama dillerinde öğrenme modelleri geliştirebilecek, | | | | | | | 4 | model doğruluğunu ve esnekliğini istatistik yöntemlerle ölçebilecek, | | | | | | | 5 | doğruluk ve esneklik analizi sonuçlarına göre modelleri ayarlayabilecektir. | | | | | | |
|
Ders Tanımı
|
Doğrusal cebir ve olasılığın temelleri, doğrusal regresyon, doğrusal olmayan modeller, çapraz doğrulama, model seçimi, karar ağaçları ve destek vektör makineleri. |
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları
|
|
|
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 |
Öğrenme Çıktısı
|
1 |
Introduction to Machine Learning |
ISLR Ch.1 |
2 |
Conditional Probability and Linear Algebra review |
Statistics for Engineers and Scientists by William Navidi, McGraw-Hill Education, 5th Edition, 2019. ISBN- 13: 978-1259717604 Ch. 2 |
3 |
Simple Linear Regression |
ISLR Ch.3 |
4 |
Multiple Regression |
ISLR Ch.3 |
5 |
Multiple Regression |
ISLR Ch.3 |
6 |
Cross validation and bootstrapping |
ISLR Ch.5 |
7 |
Model Selection |
ISLR Ch.6 |
8 |
Nonlinear models |
ISLR Ch.7 |
9 |
Decision Trees |
ISLR Ch.8 |
10 |
Classification |
ISLR Ch.4 |
11 |
Support Vector Machines |
ISLR Ch.9 |
12 |
Principal Component Analysis |
ISLR Ch.10 |
13 |
Clustering |
ISLR Ch.10 |
14 |
Project Discussions and Presentations |
|
15 |
Dönemin gözden geçirilmesi |
|
16 |
Final Sınavı |
|
DEĞERLENDİRME ÖLÇÜTLERİ
Yarıyıl Aktiviteleri
|
Sayı |
Katkı Payı % |
LO 1 | LO 2 | LO 3 | LO 4 | LO 5 |
Katılım |
-
|
-
|
Laboratuvar / Uygulama |
1
|
24
|
Arazi Çalışması |
-
|
-
|
Küçük Sınav / Stüdyo Kritiği |
4
|
8
|
Portfolyo |
-
|
-
|
Ödev |
-
|
-
|
Sunum / Jüri Önünde Sunum |
-
|
-
|
Proje |
1
|
26
|
Seminer/Çalıştay |
-
|
-
|
Sözlü Sınav |
-
|
-
|
Ara Sınav |
-
|
-
|
Final Sınavı |
1
|
42
|
Toplam |
7
|
100
|
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
6
|
58
|
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
42
|
Toplam |
7 |
100 |
AKTS / İŞ YÜKÜ TABLOSU
Yarıyıl Aktiviteleri
|
Sayı |
Süre (Saat) |
İş Yükü |
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
2
|
32
|
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
2
|
32
|
Sınıf Dışı Ders Çalışması |
14
|
3
|
42
|
Arazi Çalışması |
-
|
-
|
-
|
Küçük Sınav / Stüdyo Kritiği |
4
|
4
|
16
|
Portfolyo |
-
|
-
|
-
|
Ödev |
-
|
-
|
-
|
Sunum / Jüri Önünde Sunum |
-
|
-
|
-
|
Proje |
1
|
60
|
60
|
Seminer/Çalıştay |
-
|
-
|
-
|
Sözlü Sınav |
-
|
-
|
-
|
Ara Sınavlar |
-
|
-
|
-
|
Final Sınavı |
1
|
28
|
28
|
|
|
Toplam |
210
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
#
|
PÇ Sub |
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.
|
-
|
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.
|
-
|
-
|
X
|
-
|
-
|
6 |
Bilgisayar Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler.
|
X
|
-
|
-
|
-
|
-
|
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