| 1 |
Dersin Adı: |
MAKİNA ÖĞRENMESİ |
| 2 |
Dersin Kodu: |
BLPS256 |
| 3 |
Dersin Türü: |
Seçmeli |
| 4 |
Dersin Seviyesi: |
Önlisans |
| 5 |
Dersin Verildiği Yıl: |
2 |
| 6 |
Dersin Verildiği Yarıyıl: |
4 |
| 7 |
Dersin AKTS Kredisi: |
3 |
| 8 |
Teorik Ders Saati (saat/hafta): |
2 |
| 9 |
Uygulama Ders Saati (saat/hafta): |
0 |
| 10 |
Laboratuar Ders Saati (saat/hafta): |
0 |
| 11 |
Dersin Önkoşulu |
Yok |
| 12 |
Ders İçin Önerilen Diğer Hususlar |
Yok |
| 13 |
Dersin Dili: |
Türkçe |
| 14 |
Dersin Veriliş Şekli |
Yüz yüze |
| 15 |
Dersin Koordinatörü: |
Öğr. Gör. AHMET DARTAR |
| 16 |
Dersi Veren Diğer Öğretim Elemanları: |
-- |
| 17 |
Ders Koordinatörünün İletişim Bilgileri: |
ahmetdartar@uludag.edu.tr, (0 224) 294 26 62,
Bursa Uludağ Üniversitesi Karacabey MYO Bilgisayar Programcılığı
|
| 18 |
Dersin Web Adresi: |
|
| 19 |
Dersin Amacı |
Bu dersin amacı, makine öğrenmesi algoritmalarının hem teorik bilgilerini hem de pratik olarak gerçek veriler üzerinde uygulamasını öğrencilere sağlamaktır. |
| 20 |
Dersin Mesleki Gelişime Katkısı: |
|
| Hafta |
Teori |
Uygulama |
| 1 |
Makine Öğrenmesine Giriş |
|
| 2 |
Makine Öğrenmesinin Uygulamaları |
|
| 3 |
Verilerin Sayısallaştırılması |
|
| 4 |
Özellik Belirleme/Çıkarım |
|
| 5 |
Regresyon Algoritmaları |
|
| 6 |
Sınıflandırma Algoritmaları (Destek Vektör Makinesi) |
|
| 7 |
Sınıflandırma Algoritmaları (Yapay Sinir Ağları) |
|
| 8 |
Ara Sınav |
|
| 9 |
Sınıflandırma Algoritmaları (K-En Yakın Komşu Algoritması) |
|
| 10 |
Sınıflandırma Algoritmaları (Naive Bayes Algoritması) |
|
| 11 |
Sınıflandırma Algoritmaları (Karar Ağacı) |
|
| 12 |
Kümeleme Algoritmaları (K-Ortalama Algoritması |
|
| 13 |
Kümeleme Algoritmaları (En Yakın/Uzak Komşu Algoritması) |
|
| 14 |
Topluluk Öğrenme Algoritmaları ve Sınıflandırıcı Performansı |
|
