Ders Öğretim Planı

MAKİNA ÖĞRENMESİ

1	Dersin Adı:	MAKİNA ÖĞRENMESİ
2	Dersin Kodu:	BLPS2414
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:	Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir.

Ders Öğrenme Kazanımları

1	Makine öğrenmesi temel kavramlarını ve öğrenme türlerini anlayarak problemleri çözebilmek;
2	Makine öğrenmesi algoritmalarını veri üzerinde uygulayarak model geliştirmek ve değerlendirme yapabilmek;

22	Dersin İçeriği

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

23	Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar:	1-Ethem ALPAYDIN (2010). Introduction to Machine Learning, The MIT Press, second edition. 2-Tom Mitchell,McGraw-Hill. Machine Learning. ISBN 0070428077. 3-Atınç Yılmaz, Makine Öğrenmesi: Teorisi ve Algoritmaları, Papatya Bilim Yayınevi, 2018
24	Değerlendirme

YARIYIL İÇİ ÇALIŞMALARI	SAYISI	KATKI YÜZDESİ
Ara Sınav	1	40
Kısa Sınav	0	0
Ödev	0	0
Yıl sonu Sınavı	1	60
Toplam	2	100
Yıl içi çalışmalarının Başarıya Oranı		40
Finalin BAşarıya Oranı		60
Toplam		100
Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları	Ölçme ve değerlendirme, Bursa Uludağ Üniversitesi Önlisans ve Lisans Eğitim Öğretim Yönetmeliği ilkelerine göre yapılmaktadır.
Açıklama	Sonuçlar, öğrenci otomasyon sistemi ile saptanan harf notu ile belirlenmektedir.

AKTS / İŞ YÜKÜ TABLOSU

Etkinlik	SAYISI	Süresi [Saat]	Toplam İş Yükü [Saat]
Teorik Dersler	14	2	28
Uygulamalı Dersler	0	0	0
Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme)	14	2	28
Ödevler	0	2	28
Projeler	0	0	0
Arazi Çalışmaları	0	0	0
Arasınavlar	1	3	3
Diğer	0	0	0
Yarıyıl Sonu Sınavları	1	3	3
Toplam İş Yükü			93
Toplam İş Yükü / 30 saat			3
Dersin AKTS Kredisi			3

PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİM KAZANIMLARI İLİŞKİSİ TABLOSU

	PY1	PY2	PY3	PY4	PY5	PY6	PY7	PY8	PY9	PY10	PY11	PY12	PY13	PY14
OK1	4	0	0	0	2	0	0	0	0	0	0	0	0	0
OK2	0	0	0	4	0	0	0	0	0	0	0	0	0	0

ÖK: Öğrenim Kazanımları

PY: Program Yeterlilikleri

Katkı Düzeyi:

1 Çok Düşük

2 Düşük

3 Orta

4 Yüksek

5 Çok Yüksek