ISB0012 Makine Öğrenmesi için İstatistik

6 AKTS - 3-0 Süre (T+U)- . Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod ISB0012
Ad Makine Öğrenmesi için İstatistik
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl . Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil Türkçe
Seviye Doktora Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Prof. Dr. MAHMUDE REVAN ÖZKALE


Dersin Amacı / Hedefi

Öğrencilere makine öğrenmesi çerçevesindeki bilgileri ve uygulama becerisi kazandırmak.

Dersin İçeriği

Makine Öğrenmesine Giriş, Regresyon Modellerine Genel Bakış, Cezalandırılmış Doğrusal Regresyon, Model Oluşturma, Sınıflandırma, Kümeleme, Destek Vektör Makinesi Sinir Ağları, Python Uygulamaları

Dersin Ön Koşulu

yok

Kaynaklar

Dangeti, P. 2017. Statistics for Machine Learning. Packt Publishing, Birmingham

Notlar

ders notları


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Regresyon modellerini açıklayabilme
ÖÇ02 Regresyon modelleri arasındaki farkı açıklayabilme
ÖÇ03 Sınıflama ve kümeleme gibi istatistiksel analizler yapabilme
ÖÇ04 Sinir ağlarını yorumlama


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal İstatistiksel problemlerin modellenmesinde ve probleme özgü çözümlerin üretilmesinde yeni yöntem ve stratejiler geliştirir. 5
PÖÇ02 Bilgi - Kuramsal, Olgusal İstatistik alanında belirli bir konu hakkında detaylı araştırma yapabilir. 4
PÖÇ03 Bilgi - Kuramsal, Olgusal İstatistik literatürüne katkı yapabilecek düzeyde istatistik teorisine hakimdir. 3
PÖÇ04 Bilgi - Kuramsal, Olgusal İstatistik alanında edindiği bilgiyi disiplinler arası çalışmalarda kullanabilir. 4
PÖÇ05 Yetkinlikler - Öğrenme Yetkinliği İstatistik alanında proje ve etkinlikler düzenleyebilir. 5
PÖÇ06 Yetkinlikler - Öğrenme Yetkinliği Bir projenin oluşturulması, yürütülmesi ve sonuçların raporlanması aşamalarını gerçekleştirebilir. 5
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Bilimsel irdeleme yetisine sahip olur. 5
PÖÇ08 Bilgi - Kuramsal, Olgusal İstatistik alanında bilimsel yayın üretebilir. 4
PÖÇ09 Bilgi - Kuramsal, Olgusal Analitik düşünme becerisine sahip olur. 3
PÖÇ10 Yetkinlikler - Öğrenme Yetkinliği Mesleki yenilik ve gelişmeleri hem ulusal hem de uluslar arası düzeyde takip edebilir. 4
PÖÇ11 Yetkinlikler - Öğrenme Yetkinliği İstatistik literatürünü takip edebilir.
PÖÇ12 Beceriler - Bilişsel, Uygulamalı Yabancı dil bilgisini, alanında yabancı dilde yayın ve sunum yapabilecek düzeyde geliştirebilir. 5
PÖÇ13 Bilgi - Kuramsal, Olgusal Bilişim teknolojilerini ileri düzeyde kullanabilir. 4
PÖÇ14 Bilgi - Kuramsal, Olgusal Bireysel çalışma becerisi ve bağımsız karar verebilme yetisine sahip olur. 3
PÖÇ15 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Takım çalışmalarında gerekli olan niteliklere sahiptir.
PÖÇ16 Bilgi - Kuramsal, Olgusal Mesleki ve etik sorumluluk bilincine sahip olur. 3
PÖÇ17 Bilgi - Kuramsal, Olgusal Bilimsel etik kurallara uygun davranır. 3


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Model oluşturma ve doğrulama için istatistiksel terminoloji Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
2 Model oluşturma ve doğrulama için makine öğrenimi terminolojisi Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
3 Regresyon ve makine öğrenimi modelleri arasında karşılaştırma Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
4 Makine öğrenimi modelleri - lasso ve ridge regresyonu Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama, Problem Çözme
5 Maksimum olabilirlik tahmini, Lojistik regresyon – giriş ve avantajlar Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
6 Ağaç tabanlı makine öğrenimi modelleri Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
7 Proje hazırlama Kaynak okuma Ölçme Yöntemleri:
Performans Değerlendirmesi
8 Karar ağacı sınıflandırıcı Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
9 Torbalama sınıflandırıcısı, rastgele orman sınıflandırıcısı Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
10 Adaboost sınıflandırıcı, Gradyan artırma sınıflandırıcı Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
11 K-En Yakın Komşular Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
12 Naive bayes Kaynak okuma Öğretim Yöntemleri:
Anlatım
13 Destek vektör makineleri ve sinir ağları Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
14 Denetimsiz öğrenme Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
15 Pekiştirmeli Öğrenme Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
16 Veri analizi Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama, Proje Temelli Öğrenme
17 Final sınavı Kaynak okuma Ölçme Yöntemleri:
Performans Değerlendirmesi


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

Güncelleme Zamanı: 09.05.2024 02:16