| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Makine Öğrenme | CENG 480 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Bu ders, öğrenme kavramını anlama becerisi sağlar. |
| 2. Bu ders özellik çıkarma tekniklerini anlama becerisi sağlar. |
| 3. Bu ders, sınıflama yöntemlerini kullanma becerisi kazandırmaktadır. |
| 4. Bu ders, kümeleme yöntemlerini kullanma becerisi sağlar. |
| 5. Bu ders, yeniden uygulama yöntemlerini kullanma becerisi sağlar. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | CENG 466 |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, lisans öğrencilerine makine öğrenimi kavramları, algoritmaları ve teknikleri için temel sağlamak amacıyla önerilmiştir. Dersin sonunda, iyi tanımlanmış bir problem üzerinde makine öğrenimi tekniklerini uygulama konusundaki anlayışlarını göstermek için bir proje hazırlayıp sunmaları beklenir. |
| |
Üretken Yapay Zeka Kullanımı:
Üretken Yapay Zeka tarafından oluşturulan içeriği, uygun atıf yapmadan veya eğitmenin izni olmadan kendi çalışması olarak sunmak yasaktır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | İnsan ve makinede öğrenmeye giriş |
| 2 | Özellikler, özellik çıkarma |
| 3 | Özellik uzayı, mesafe ölçümleri ve ayırt edici fonksiyonlar |
| 4 | Regrasyon |
| 5 | Sınıflandırma |
| 6 | Sınıflandırma |
| 7 | Kümeleme |
| 8 | Kümeleme |
| 9 | Özellik alanı boyutluluk azaltma: Temel bileşen analizi |
| 10 | Takviyeli öğrenme |
| 11 | Takviyeli öğrenme |
| 12 | Sinir ağlarına giriş |
| 13 | Proje sunumları |
| 14 | Proje Sunumları |
| |
| Kaynaklar: |
| Flach P. (2012) Machine Learning, The Art and Science of Algorithms that Make Sense of Data, Cambridge Univ. Press
|
| |
| Diğer Kaynaklar: |
| Daumé H. (2017) A Course in Machine Learning
Alpaydin, E. (2010). Introduction to machine learning, Second Edition. Cambridge: MIT Press.
Mitchell, T. (1997). Machine learning. McGraw Hill.
Russell, S. & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. 3rd Ed. Prentice Hall, NJ.
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler sınıf ortamında yapılacaktır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Proje | 1 | %40 |
| Final Sınavı | 1 | %35 |
| Ara Sınav | 1 | %25 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 14 | 3,00 | 42,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 0 | 0,00 | 0,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 14 | 1,00 | 14,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 1 | 5,00 | 5,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 14 | 1,00 | 14,00 |
| 6 | Ev ödevleri | 0 | 0,00 | 0,00 |
| 7 | Sınavlara Hazırlık | 2 | 5,00 | 10,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 1 | 5,00 | 5,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 1 | 30,00 | 30,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 10,00 | 10,00 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı (0-4) |
| 1 | Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 0 |
| 2 | Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | 4 |
| 3 | Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | 0 |
| 4 | Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | 4 |
| 5 | Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | 0 |
| 6 | Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 0 |
| 7 | Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | 0 |
| 8 | Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | 0 |
| 9 | Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | 0 |
| 10 | Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık. | 0 |
| 11 | Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | 0 |