Ders Kodu Yarıyıl T+U+L Saat Haftalık Ders Saati AKTS
Makine Öğrenmesine GirişBIM 412E2016 - 2017T : 3+U : 035.0

T : Teori, U : Uygulama, L : Laboratuvar, AKTS : Avrupa Kredi Transfer Sistemi

Ön Koşul DersleriÖn koşul dersi yoktur.
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüTeknik Seçmeli
Dersin KoordinatörüYrd.Doç.Dr. Farzad KIANI
Dersi Verenler
Dersin Yardımcıları
Dersin Amacı Öğrencilere makine öğrenmesi, yapay sinir ağları algoritması ve istatistiksel öğrenme yöntemlernin temelindeki fikir ve anlayış yanında teorik ve pratik olarak bu yöntemleri nasıl, neden ve ne zaman kullanmaları gerektiğini anlamalarını sağlamak.
Dersin İçeriğiMakine öğrenmenin çeşitli yöntemleri anlatılacaktır: - Naive Bayesian Networks - Decision Tree - Reinforcement Learning - Deep Learning - Neural Networks - Genetic Algorithms
Sıra No Dersin Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
ÖÇ1Öğrenciler, makine öğrenmesi teknikleri öğrenerek yapay zeka ile ilgili projeleri yapabilir hale gelecektir. 1, 2, 3, 4, 5, 6, 8, 9, 13, 14, 15A, C, D, F
Öğretim Yöntemleri:1:Anlatım, 2:Soru-Cevap, 3:Tartışma, 4:Alıştırma ve Uygulama, 5:Gösterim, 6:Gösterip Yaptırma, 8:Grup Çalışması, 9:Benzetim, 13:Deney/Laboratuvar/Atölye /Alan Uygulaması, 14:Bireysel Çalışma, 15:Problem Çözme
Ölçme Yöntemleri:A:Sınav (Yazılı Sınav / Test: Doğru-Yanlış Testi, Çoktan Seçmeli Testi, Kısa Cevaplı Test, Eşleştirmeli Test), C:Ödev, D:Proje / Tasarım, F:Performans Görevi (Uygulama / Laboratuvar / Atölye / Arazi Çalışması / Seminer / Sunum / Bitirme Çalışması / Tez)
Sıra No Konular Ön Hazırlık
1. HaftaGiriş1-20
2. HaftaGiriş- temel algoritmalar20-37
3. HaftaYoğunluk Tahmini37-65
4. HaftaYoğunluk Tahmini65-90
5. HaftaOptimizasyon91-124
6. HaftaOptimizasyon125-142
7. HaftaÇevrimiçi Öğrenme ve Örneklerle Arttırma143-149
8. HaftaAra SınavAra Sınav
9. HaftaŞartlı Yoğunluklar örneklerle149-155
10. HaftaÇekirdekler ve İşlev Mekanları155-165
11. HaftaDoğrusal Modeller165-185
12. HaftaDoğrusal Modeller185-204
13. Haftaİleri konular197-220
14. HaftaSeminar
15. HaftaProje
16. HaftaFinal SınavıFinal Sınavı
Kaynaklar
Ders NotuAlex Smola and S.V.N. Vishwanathan, INTRODUCTION TO MACHINE LEARNING, Cambridge University, 2008
Diğer KaynaklarPattern Classification, 2nd edition, Richard O. Duda, Peter E. Hart, and David G. Stork, 2000, Wiley
Sıra No Program Öğrenme Çıktıları Katkı Düzeyi
1 2 3 4 5
PÇ1Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.X
PÇ2Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.X
PÇ3Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.X
PÇ4Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.X
PÇ5Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.X
PÇ6Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalıkX
PÇ7Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.X
PÇ8Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.X
PÇ9Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.X
PÇ10Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.X
PÇ11Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.X
PÇ12Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.X

Katkı Düzeyi: 1. Çok Düşük 2. Düşük 3. Orta 4. Yüksek 5. Çok Yüksek

Sıra No Yarıyıl İçi Çalışmaları Katkı Yüzdesi
1Ara Sınav 120
2Uygulama 120
3Final60
Toplam100
Sıra No Etkinlik Sayısı Süresi (Saat) Toplam İş Yükü (Saat)
1Ders Süresi (Sınav Haftası Dahildir)16.003.0048.0000
2Sınıf Dışı ders Çalışma Süresi16.003.0048.0000
3Ara Sınav1.002.002.0000
4Kısa Sınav0.000.000.0000
5Ödev1.003.003.0000
6Uygulama4.008.0032.0000
7Final1.003.003.0000
Toplam İş Yükü136
Toplam İş Yükü / 25 (s)136 / 25
Dersin AKTS Kredisi5

"Kent İçinde Bir Kampüs Üniversitesi"