TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | ISB420 |
| Ad | Python ile Makine Öğrenmesi |
| Yarıyıl | 8. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 5 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. MAHMUDE REVAN ÖZKALE |
Dersin Amacı
Yapay zeka, veri bilimi ve makine öğrenme kavramlarının gerçek hayat problemlerine uygulama
Dersin İçeriği
Python programlama dili kullanarak özgün veri analizi yapabilme ve yorumlayabilme
Dersin Ön Koşulu
yok
Kaynaklar
Sorhun, R., 2022. Python ile Makine Öğrenmesi, Abaküs Kitap.
Notlar
Uğuz, S., 2021. Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü, Nobel Akademik Yayıncılık
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Python Programlama Dilini Uygular |
| ÖÇ02 | Python ile Sınıflandırma Yapar |
| ÖÇ03 | Python ile Model Tahmini Yapar |
| ÖÇ04 | Python ile Veri Analizi Yapar |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Olasılık, İstatistik ve Matematiğin temel kavram ve ilkelerini açıklar | 3 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Yaşamda istatistiğin yerini ve önemini belirtir | 4 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | İktisadi ve hukuksal temel kavram ve ilkeleri tanımlar | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Karşılaşılabileceği sorunlar karşısında, sayısal ve istatistiksel çözümler üretir | 5 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | İstatistiksel verilerin elde edilmesi ve/veya düzenlenmesi için uygun yöntem ve teknikleri kullanır | 5 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Bilgisayar sistemlerini ve programlarını kullanır | 4 |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Matematiksel ve istatistiksel teknikleri kullanarak rasgelelik içeren problemlere model kurma, çözme ve yorumlama | 5 |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | İstatistiksel analiz yöntemlerini uygular | 5 |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | İstatistiksel sonuç çıkarım (tahmin, hipotez testi, v.b.) yapar | 2 |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | İstatistiksel teknikleri kullanarak farklı disiplinlerin problemlerine çözüm üretir | 4 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Görsel, veritabanı ve web programlama tekniklerini anlar ve nesnel program yazabilme yeteneğine sahip olur | 1 |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | İstatistiksel paket programları kullanarak model oluşturur ve analiz yapar | 4 |
| PÖÇ13 | Beceriler - Bilişsel, Uygulamalı | İstatistiksel metotlar arasındaki farkı ayırt eder | 5 |
| PÖÇ14 | Beceriler - Bilişsel, Uygulamalı | İstatistik ile ilişkili disiplinler arasındaki etkileşimin farkında olur | 3 |
| PÖÇ15 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | İstatistiksel yöntemleri kullanarak elde edilen sonuçları sözlü ve görsel olarak sunar | 3 |
| PÖÇ16 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Bireysel ve ortaklaşa olarak etkili ve üretken çalışma yapma becerisine sahip olur | 5 |
| PÖÇ17 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Mesleki gelişimlerinin yanı sıra ilgi ve yetenekleri doğrultusunda bilimsel, kültürel, sanatsal ve sosyal alanlarda eğitim gereksinimlerini belirleyerek kendini sürekli geliştirir | 1 |
| PÖÇ18 | Yetkinlikler - Öğrenme Yetkinliği | İstatistiğin kullanıldığı bilim alanları ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. | 3 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | NumPy, Pandas ve Matplotlib Kütüphanelerinin Kullanımı | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 2 | Öğrenme Türleri: Denetimli Öğrenme, Denetimsiz Öğrenme, Yarı Denetimli Öğrenme | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 3 | Python ile Veri Ön İşleme Süreci | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 4 | Regresyon Analizi: Çoklu Regresyon, Polinom Regresyon | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 5 | Destek Vektör Makineleri | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 6 | Karar Ağacı | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 7 | Rassal Ağaçlar | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 8 | Ara Sınavlar | Kaynak Okuma | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Değerlendirme ve Karşılaştırma Metotları | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 10 | Regresyon Analizi: Lojistik Regresyon | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 11 | Kümeleme | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 12 | K-En Yakın Komşu Algoritması | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Python ile Veri Bilimi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme |
| 14 | Python ile Tahmine Dayalı Modeller Oluşturma | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme |
| 15 | Python ile Sınıflandırmaya Dayalı Modeller Oluşturma | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme |
| 16 | Yarıyıl Sonu Sınavları | Kaynak Okuma | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Kaynak Okuma | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 3 | 42 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 6 | 6 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 12 | 12 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 18 | 18 |
| Toplam İş Yükü (Saat) | 120 | ||
| Toplam İş Yükü / 25 (s) | 4,80 | ||
| AKTS | 5 AKTS | ||