TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | MÜHENDİSLİK FAKÜLTESİ |
| ENDÜSTRİ MÜHENDİSLİĞİ PR. | |
| Kod | ENS310 |
| Ad | Python ile Makine Öğrenmesine Giriş |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 6. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 4 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Etiket | S Seçmeli |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. CENK ŞAHİN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Dersin amacı öğrencilere yapay zeka alanındaki temel yöntemler konusunda bilgi sağlamak ve öğrencilerin yapay zeka yöntemlerini pratik problemlerin çözümünde kullanabilme becerisine sahip olmalarını sağlamaktır.
Dersin İçeriği
Python veri yapıları, Numpy dizi operasyonları, Pandas kütüphanesi ile veri analizi uygulamaları,
Dersin Ön Koşulu
Yok
Kaynaklar
Géron, A. (2021). Scikit-Learn, keras ve tensorflow ile uygulamalı makine öğrenmesi (1. baskı). B. Aksoy, ve Ö. Kaya, Çev.). Buzdağı Yayınevi.(Orijinal eserin basım tarihi 2019).
Notlar
Deep Learning, I. Goodfellow, Y.Bengio, A.Courville
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Makine Öğrenmesinde kullanılan Python programlama dilinin temel kütüphanelerini öğrenmek |
| ÖÇ02 | Python programlama dili ile veri analiz etmeyi ve işlemeyi öğrenmek |
| ÖÇ03 | Makine öğrenmesinde kullanılan algoritmaların çalışma prensibini kavramak |
| ÖÇ04 | Modellerin Çıktılarını analiz etmeyi ve sonuçlara göre modellerin parametre ayarını yapmayı öğrenmek |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve Endüstri Mühendisliği disiplinine özgü konularda yeterli bilgi birikimine sahip olur; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanma becerisi edinir. | 2 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme ve analitik çözme becerisini elde eder; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisine sahip olur. | 3 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi edinir; bu amaçla modern tasarım yöntemlerini uygulama becerisi kazanır. | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi edinir, bilişim teknolojilerini etkin bir şekilde kullanma becerisine sahip olur. | 3 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık Endüstri Mühendisliği problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi edinir. | 4 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Disiplin içi ve çok disiplinli takımlarda veya bireysel olarak etkin biçimde çalışma becerisine sahip olur. | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Türkçe 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 becerisine sahip olur. | |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık bilincine sahip olur; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisine sahip olur. | 3 |
| PÖÇ09 | Yetkinlikler - Öğrenme Yetkinliği | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinciyle mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibi olur. | |
| PÖÇ10 | Yetkinlikler - Öğrenme Yetkinliği | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibi olur; girişimcilik, yenilikçilik hakkında farkındalık sahibi olur. | |
| PÖÇ11 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibi olur ve mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalığa sahip olur. | |
| PÖÇ12 | Yetkinlikler - Öğrenme Yetkinliği | Meslek hayatında etkili iletişimin gücünden faydalanabilir ve gelişmeleri doğru yorumlama becerisine sahip olur. | |
| PÖÇ13 | Yetkinlikler - Öğrenme Yetkinliği | Makine, insan, zaman, bilgi veya para içeren entegre sistemleri tasarlama, geliştirme, uygulama ve iyileştirme becerisine sahip olur. | |
| PÖÇ14 | Yetkinlikler - Öğrenme Yetkinliği | Maliyet, çevre, sürdürülebilir kalkınma, enerji, üretilebilirlik, etik, sağlık, güvenlik ve politik sorunlar gibi gerçekçi koşullar ve kısıtlar altında, modern tasarım, yöntemlerini uygulayarak, karmaşık ürün, süreç, iş, sistem tasarımı yapma, geliştirme, uygulama ve iyileştirme becerisine sahip olur. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Python Temelleri | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 2 | Numpy Kütüphanesi | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 3 | Pandas Kütüphanesi, Matplotlib Kütüphanesi | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 4 | Datanın hazırlanması, temizlenmesi ve işlenmesi | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 5 | Makine öğrenmesi regresyon modelleri (Linear-Multiple-Polynomial Regression) | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 6 | Makine öğrenmesi regresyon modelleri(Decision Tree) | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 7 | Makine öğrenmesi regresyon modelleri (XgBoost) | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 8 | Ara Sınavlar | Konu tekrarı | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Makine öğrenmesi sınıflandırma modelleri (K-Neirest Neighbour (KNN), Support Vector Machine | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 10 | Makine öğrenmesi sınıflandırma modelleri (Naive Bayes, Decision Tree, Random Forest) | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 11 | Değerlendirme metrikleri ve hata fonksiyonları | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 12 | Hiperparametre Optimizasyonu | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Lojistik Regresyon | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 14 | Yapay Sinir Ağları | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 15 | Yapay Sinir Ağları-II | Ders notlarını ve konuyla ilgili kaynakları okumak. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 16 | Yarıyıl Sonu Sınavları | Ders Notları ve Kitapları okuma, tekrar etme | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Ders Notları ve Kitapları okuma, tekrar etme | 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 | 2 | 28 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 8 | 8 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 10 | 10 |
| Toplam İş Yükü (Saat) | 88 | ||
| Toplam İş Yükü / 25 (s) | 3,52 | ||
| AKTS | 4 AKTS | ||