Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
Makine Öğrenmesi | CENG 621 | 6 | 9 | 3 + 0 | 3 | 7,50 |
|
Ders Bilgileri |
Dersin Öğretim Dili | İngilizce |
Dersin Seviyesi | Doktora |
Dersin Türü | Seçmeli |
Dersin Veriliş Biçimi | Yüz Yüze |
|
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
1. Makine öğrenmesi bileşenlerini ve algoritmalarını anlamak and uygulayabilmek |
2. Makine öğrenmesi sürecini tanımlama, geliştirme ve test edebilme |
3. Problem spesifik algoritma seçebilme ve uygulayabilme |
|
Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
Daha Önce Alınmış Olması Önerilen Dersler | Yok |
|
Dersin Tanımı:
Bu dersin temel amacı, sembolik ve sembolik olmayan yapay zeka konularını içeren farklı yapay zeka yaklaşım ve temel kavramlarını sunmaktır. |
|
Dersin İçeriği (Haftalık Konu Dağılımı): |
|
Hafta | Konu |
1 | Makine Öğrenemesine Giriş |
2 | Öğrenme kavramı |
3 | Decision Tree Algorithm |
4 | Yapay Sinir Ağları |
5 | Hipotezlerin Değerlendirilmesi |
6 | Bayes Öğrenmesi |
7 | Hesaplamalı Öğrenme Teorisi |
8 | Örnek Tabanlı Öğrenme |
9 | Genetik Algoritmalar |
10 | Kural Kümelerini Öğrenme |
11 | Analitik Öğrenme |
12 | Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi |
13 | Pekiştirmeli Öğrenme-1 |
14 | Pekiştirmeli Öğrenme-2 |
|
Kaynaklar: |
Artificial Intelligence : A Modern Approach, Stuart Russell and Peter Norvig, Prentice-Hall, 2003, ISBN: 0-13-790395 |
|
Diğer Kaynaklar: |
|
|
Öğretim Yöntem ve Teknikleri: |
Haftada 3 saat yüzyüze teorik ders |
|
Değerlendirme Sistemi: |
Yöntem | Adet | Katkı (%) |
Ara sınav | 1 | %30 |
Final Sınavı | 1 | %40 |
Proje | 1 | %30 |
|
Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
Gerektirmiyor |