| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Makine Öğrenmesi | UYS 504 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | Temel İstatistik |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ALPASLAN KİBAR |
| Dersi Verenler | Dr.Öğr.Üyesi ALPASLAN KİBAR, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Makine Öğrenmesi hakkında temel seviyede bilgi sahibi olmak |
| Dersin İçeriği | Makine Öğrenmesi hakkında temel seviyede bilgi sahibi olmak |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Yapay Zeka teknolojileri hakkında fikir sahibi olur | Soru-Cevap, Beyin Fırtınası, Örnek Olay, | Sözlü Sınav, Proje / Tasarım, |
| 2 | Makine Öğrenmesi teknolojileri hakkında fikir sahibi olur | Soru-Cevap, Beyin Fırtınası, Örnek Olay, | Sözlü Sınav, Proje / Tasarım, |
| 3 | Makine Öğrenmesinde kullanılan yöntemler hakkında fikir sahibi olur | Soru-Cevap, Beyin Fırtınası, Örnek Olay, | Sözlü Sınav, Proje / Tasarım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Giriş, Linear Sınıflama | |
| 2 | Yakınsama, Genelleme, Maksimum Marj Sınıflandırması | |
| 3 | Sınıflandırma Hataları, Lojistik regresyon | |
| 4 | Doğrusal Regresyon, Aktif Öğrenme | |
| 5 | Doğrusal Olmayan Tahminler | |
| 6 | Destek Vektör Makinesi, Çekirdek Optimizasyonu | |
| 7 | Model Seçimi / Model Seçim Kriterleri | |
| 8 | Özellik Seçimi, Birleştirme, Arttırma, Genelleme | |
| 9 | Beklenti Maksimizasyonu, EM algoritması | |
| 10 | Kümeleme | |
| 11 | Spektral Kümeleme, Markov Modelleri | |
| 12 | Bayes Ağları | |
| 13 | Olasılıksal Çıkarım | |
| 14 | Makine Öğreniminde Güncel Sorunlar, Değerlendirme |
| Kaynaklar | |
|---|---|
| Ders Notu | Dönem başladığında 14 haftalık ders notu sisteme girilecektir |
| Ders Kaynakları | R ile Betimsel İstatistik (Necmi GÜRSAKAL) |
| Hafta | Dokümanlar | Açıklama | Boyut |
|---|---|---|---|
| 4 | 004_BirliktelikAnalizi_Apriori | 1,44 MB | |
| 8 | 008_sqlserverstringnulltarihfonksiyonlari | 0,76 MB |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yeni nesil bilişim temelli iş analitiği tekniklerini kullanabilir ve bu yöntemleri işletme problemlerine uygular | X | |||||
| 2 | Geliştirilen çözümleri İş Zekası araçları gibi bilişim teknolojileri ile sunar | X | |||||
| 3 | Operasyonel işlerin yürütülebilmesi için gerekli rutin kararları bilişim teknolojileri yardımıyla verir | X | |||||
| 4 | Orta ve uzun vadeli stratejik kararları bilişim sistemleri yardımıyla oluşturur | X | |||||
| 5 | İşletme süreçlerini bilişim sistemleri yardımıyla elektronik biçime dönüştürebilir | X | |||||
| 6 | Elektronik dönüşümü gerçekleşmiş süreçlerin sürdürülebilirliğine katkı sağlar | X | |||||
| 7 | Alan ile ilgili temel seviyede literatür taraması yapar | X | |||||
| 8 | Araştırma metodolojisi hakkında bilgi sahibi olur ve bu bilgiyi bilişim konularına uygular | X | |||||
| 9 | Takım çalışmalarında ekip içi iletişimi sağlayarak çalışma grubuna liderlik yapar | X | |||||
| 10 | Bilişim projeleri yönetiminde grup iletişimi teknolojilerini etkin bir şekilde kullanır | X | |||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 100 |
| Toplam | 100 |
| 1. Final | 70 |
| 1. Yıl İçinin Başarıya | 30 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 4 | 64 |
| Ara Sınav | 1 | 10 | 10 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 142 | ||
| Toplam İş Yükü / 25 (Saat) | 5,68 | ||
| Dersin AKTS Kredisi | 6 | ||