| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| İşletmeler İçin Makine Öğrenmesinde Özel Konular | MIS 412 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Geleneksel Modellerin Anlaşılması |
| 2. Açıklayıcı/Nedensel/Tahminsel Modeller |
| 3. Temel Makine Öğrenmesi Modelleri |
| 4. Model Ağacı |
| 5. Sinirsel Şebekeler |
| 6. Derin Öğrenme |
| 7. Komite Modelleri |
| 8. Yorumlanabilir Makine Öğrenmesi |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, makine öğrenmesi (ML) alanındaki en son gelişmeleri kullanarak iş dünyası sorunlarını çözme becerilerini ve anlayışını derinleştirmek isteyen öğrenciler için tasarlanmıştır. Derste, son ML tekniklerinin gelişimi incelenecek ve gerçek dünya iş uygulamalarının stratejik olarak iş değerinin artırılmasında nasıl kullanılabileceği tartışılmaktadır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Veri ve Veri Tipleri |
| 2 | Veri Tipleri ve İlişkili Modeller |
| 3 | Nedensellik ve Tahmin Modelleri |
| 4 | Temel Makine Öğrenmesi Modellerinin Gözden Geçirilmesi: Regresyon |
| 5 | Temel Makine Öğrenmesi Modellerinin Gözden Geçirilmesi: Ağaç Modelleri |
| 6 | Temel Makine Öğrenmesi Modellerinin Gözden Geçirilmesi: Doğrusal Olmayan Modeller |
| 7 | Değişken Seçimi |
| 8 | Özellik Mühendisliği |
| 9 | Komite Modelleri |
| 10 | Model Ağaçları |
| 11 | Model Ormanı |
| 12 | Sinirsel Şebekeler |
| 13 | Makine Öğrenmesi Modellerinde Yorumlama: Kısmi Bağımlılık |
| 14 | Model İletişimi |
| |
| Kaynaklar: |
| J.C. Hull, Machine Learning in Business: An Introduction to the World of Data Science, 2021
An Introduction to Statistical Learning, Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani, 2nd Ed. |
| |
| Diğer Kaynaklar: |
| Doug Hudgeon, Richard Nichol, 2020, Machine Learning for Business, Manning Publications
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler uygulama örnekleri ve vaka çalışmaları işle desteklenerek öğrencilere uygulama alanında tecrübe kazanmaları sağlanacaktır. Sınıf içinde öğrencilerin tartışmalara katılmaları teşvik edilecek ve grup olarak yapılan çalışmalar ve sunumları ile takım çalışması tecrübesi kazanmaları sağlanacaktır |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Sınıf Katılımı | 0 | %20 |
| Project | 1 | %30 |
| Ödev | 5 | %40 |
| Final Sınavı | 1 | %10 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |