TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | CEN426 |
| Ad | Introduction to Machine Learning |
| Dönem | 2023-2024 Eğitim-Öğretim Yılı |
| Yarıyıl | 8. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. UMUT ORHAN |
| Dersin Öğretim Elemanı |
Prof. Dr. UMUT ORHAN
(A Grubu)
(Sor. Öğr. Ele.)
|
Dersin Amacı / Hedefi
Bu derste, Makine Öğrenmesi yöntemlerinin teorik ve uygulamalı temelleri incelenerek örüntü tanıma problemlerine bu yöntemlerle çözüm bulunması amaçlanmaktadır.
Dersin İçeriği
Örnek-Temelli Öğrenme; Danışmanlı ve Danışmansız Öğrenme; Karar Ağaçları; Bayes Öğrenmesi; Yapay Sinir Ağları: ileri-beslemeli öğrenme ve hata geriyayılım; Destekleyici Öğrenme; Basit Optimizasyon; Öğrenme Algoritmalarının Değerlendirilmesi-Karşılaştırılması-Birlikte Kullanılması; Öznitelik Çıkartma-Seçme ve Boyut Azaltma.
Dersin Ön Koşulu
yok
Kaynaklar
T. Mitchell, Machine Learning, McGraw-Hill, 1997. C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2007. S. Haykin, Neural Networks and Learning Machines, Prentice Hall, 2008. R. O. Duda, Pattern Classification, Wiley-Interscience, 2000.
Notlar
makaleler
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Sınıflandırma ve tahminlemeyi bilir |
| ÖÇ02 | Bilgisayar temelli bir çalışmada bir datayı kullanmayı bilir |
| ÖÇ03 | Makine öğrenmesi yöntemlerini elde hesaplamayı bilir |
| ÖÇ04 | Makine öğrenmesi yöntemlerini problemlere uygulayabilir |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | 1. Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme | 4 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama | 3 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | 3. Karmaşık bir sistemi, sistem bileşenini ya da süreci analiz etme ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlama becerisi; bu doğrultuda modern tasarım yöntemlerini uygulama becerisi | 3 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | 4. Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi | 4 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | 5. Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | 3 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven | 2 |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi | 3 |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | 3 |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | 9. Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi | |
| PÖÇ10 | Yetkinlikler - Öğrenme Yetkinliği | Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | 4 |
| PÖÇ11 | Yetkinlikler - Öğrenme Yetkinliği | 11. Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık | 3 |
| PÖÇ12 | Yetkinlikler - Öğrenme Yetkinliği | 12. Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak | 1 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Derse genel bir giriş | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 2 | Matlab diline hızlı bir bakış, Makine Öğrenmesine Giriş | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 3 | Örnek tabanlı öğrenme, Danışmanlı-Danışmansız Öğrenme | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 4 | K-means kümeleme, K-NN ile sınıflandırma | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 5 | Entropi, Karar Ağaçları (ID3 ve C4.5 algoritmaları), Sınıflandırma ve Regresyon Ağaçları | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 6 | Olasılık ve Koşullu Olasılık, Bayes Teoremi, Naive Bayes Sınıflayıcı, Kategorik ve Nümerik Veri | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 7 | Doğrusal Regresyon, Çoklu Doğrusal Regresyon, En Küçük Kareler Yöntemi, Eşik ve Rekabetçi Sınıflandırma | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 8 | Arasınav | Ders notları ve uygulamalara hazırlanmak | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Yapay Sinir Ağlarına Giriş, Tek katmanlı YSAlar, Algılayıcı, Adaline, En Küçük Ortalama Kareler | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 10 | Geri-yayılım Algoritması, Çok Katmanlı Algılayıcı, Eğitimi Durdurma Kriteri | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 11 | Takviyeli Öğrenme, Q-Öğrenme, TD-Öğrenme, Öğrenen Vektör Parçalama Ağları, LVQ2, LVQ-X | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 12 | Haritalama, Çapsal Tabanlı Fonksiyonlar (RBF), RBF Ağları | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 13 | Lagrange Yöntemi, Lagrange Katsayısı ile optimizasyon, Destek Vektör Makineleri, Karesel Programlama | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 14 | Özellik Çıkartma ve Seçme, Boyut Azaltma, Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Anlatım |
| 15 | Final Sınavı için Tekrar | Ders notunun ilgili bölümünü incelemek | Öğretim Yöntemleri: Soru-Cevap |
| 16 | Final Sınavı | Ders notları ve uygulamalara hazırlanmak | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Final Sınavı | Ders notları ve uygulamalara hazırlanmak | 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 | 5 | 70 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 157 | ||
| Toplam İş Yükü / 25 (s) | 6,28 | ||
| AKTS | 6 AKTS | ||