Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | MAKİNE ÖĞRENMESİ |
| 2 | Dersin Kodu: | ELN5702 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Yüksek Lisans |
| 5 | Dersin Verildiği Yıl: | 1 |
| 6 | Dersin Verildiği Yarıyıl: | 2 |
| 7 | Dersin AKTS Kredisi: | 6 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Dr. Ögr. Üyesi GIYASETTİN ÖZCAN |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
Bilgisayar Müh. Bölüm Binası, 1. kat, oda 107 Tel.:+90 (224) 294 2792 email: gozcan at uludag.edu.tr |
| 18 | Dersin Web Adresi: | |
| 19 | Dersin Amacı | Mevcut olan verilerden istatistiksel çıkarımlar yapabilmeyi öğrenmek, bu çıkarımlara bağlı olarak öğrenme kuralları belirleyebilmek. Öğrenim sonrası elde edilen verilere ait tahminleri önceden yapılan çıkarsamalara bağlı olarak yapabilme yetisi kazandırmak. |
| 20 | Dersin Mesleki Gelişime Katkısı: |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Giriş | |
| 2 | Bayes Teorisi | |
| 3 | Bayes Ağları | |
| 4 | SVM, overfit | |
| 5 | Ensemble metodlar | |
| 6 | Beklenti maksimizasyonu, parametrik olan/olmayan metodlar | |
| 7 | Veri indirgeme | |
| 8 | Regresyon | |
| 9 | Saklı Markov Modelleri | |
| 10 | Baum Welsch algoritması | |
| 11 | Yapay sinir ağları | |
| 12 | Derin öğrenme | |
| 13 | Python ve derin öğrenme arayüzleri | |
| 14 | Uygulama geliştirme |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
1. K. P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012. 2. C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 1 | 25 |
| Kısa Sınav | 0 | 0 |
| Ödev | 2 | 15 |
| Yıl sonu Sınavı | 1 | 60 |
| Toplam | 4 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 40 | |
| Finalin BAşarıya Oranı | 60 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | ||
| Açıklama | ||
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 0 | 0 | 0 |
| Ödevler | 2 | 19 | 38 |
| Projeler | 0 | 0 | 0 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 1 | 50 | 50 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 50 | 50 |
| Toplam İş Yükü | 180 | ||
| Toplam İş Yükü / 30 saat | 6 | ||
| Dersin AKTS Kredisi | 6 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİM KAZANIMLARI İLİŞKİSİ TABLOSU | |
|
|
||
| ÖK: Öğrenim Kazanımları | PY: Program Yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |