Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS
EEE450 MAKİNE ÖĞRENMESİNE GİRİŞ 3,00 0,00 0,00 3,00 6,00

Ders Detayı
Dersin Dili : İngilizce
Dersin Seviyesi : Lisans
Ön Koşullar : Yok
Dersin Amacı : Bu ders makine öğrenmesine başlangıç sağlamaktadır. Makine öğrenme yöntemleri ve ilgili matematik bilgileri tanıtılmaktadır. Farklı öğrenme yöntemleri kullanılarak veriden öğrenme işlemleri üzerine yapılmış çalışmaları kapsamaktadır. Örnek problemler için yazılım araçları kullanılarak temel başarım ölçütlerine göre öğrenme sonuçlarının elde edilmesi amaçlanmaktadır,
Dersin İçeriği : Makine öğrenmesinin temel kavramları; gereken matematik bilgisinin gözden geçirilmesi, öğrenme kuramı ve öğrenme şekilleri; örnek problemler ve çözümleri.
Dersin Kitabı / Malzemesi / Önerilen Kaynaklar : Introduction to Machine Learning, Ethem Alpaydın Pattern Recognition and Machine Learning, Christopher M. Bishop Mathematics for Machine Learning, Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong
Planlanan Öğrenme Etkinlikleri ve Öğretme Yöntemleri : Interactive learning, Communicative learning, Project based learning, Simulation
Ders İçin Önerilen Diğer Hususlar : Yazılım kullanımı (Matlab, python, vb.)
Dersi Veren Öğretim Elemanları : Dr. Öğr. Üyesi Mehmet Erdal Özbek
Dersi Veren Öğretim Elemanı Yardımcıları : -
Dersin Verilişi : Formal lectures, problem solving sessions, homeworks, computer simulations

  • 1 Temel makine öğrenme kavramlarını tanımlamak.
  • 2 Belirli bir öğrenme şekline göre problem çözme becerisi.
  • 3 Makine öğrenmesi için bilinen algoritmalara veriyi uygulayabilme becerisi.
  • 4 Bir makine öğrenmesi uygulaması için proje yapmak.
  • 5 Makine öğrenme algoritmalarını değerlendirebilme becerisi.

Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS

Teorik Uygulama Laboratuvar Hazırlık Bilgileri Öğretim Metodları
1.Hafta *Makine öğrenmesi kavramları.
2.Hafta *Doğrusal cebir ve olasılık dağılımlarının gözden geçirilmesi.
3.Hafta *Doğrusal cebir ve olasılık dağılımlarının gözden geçirilmesi.
4.Hafta *Makine öğrenmesi için matematik temelleri.
5.Hafta *Makine öğrenmesi için matematik temelleri.
6.Hafta *Makine öğrenmesi temelleri.
7.Hafta *Makine öğrenmesi temelleri.
8.Hafta *Gözetimli öğrenme algoritmaları.
9.Hafta *Gözetimli öğrenme algoritmaları.
10.Hafta *Gözetimsiz öğrenme algoritmaları.
11.Hafta *Gözetimsiz öğrenme algoritmaları.
12.Hafta *Pekiştirmeli öğrenme algoritmaları.
13.Hafta *Pekiştirmeli öğrenme algoritmaları.
14.Hafta *Derin öğrenme algoritmaları.

  • 1 Vize : 30,000
  • 3 Final : 40,000
  • 4 Ödev : 30,000

Aktiviteler Sayı Süresi(Saat) Toplam İş Yükü
Vize 1 2,00 2,00
Ödev 5 10,00 50,00
Final 1 2,00 2,00
Derse Katılım 14 3,00 42,00
Ara Sınav Hazırlık 1 10,00 10,00
Final Sınavı Hazırlık 1 10,00 10,00
Ders Öncesi Biresysel Çalışma 14 2,00 28,00
Ders Sonrası Biresysel Çalışma 14 2,00 28,00
Toplam : 172,00
Toplam İş Yükü / 30 ( Saat ) : 6
AKTS : 6,00