CEN426 Introduction to Machine Learning

6 AKTS - 3-0 Süre (T+U)- 8. Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod CEN426
Ad Introduction to Machine Learning
Dönem 2022-2023 Eğitim-Öğretim Yılı
Yarıyıl 8. Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil İngilizce
Seviye Lisans Dersi
Tür Normal
Etiket S Seçmeli
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Prof. Dr. UMUT ORHAN
Dersin Öğretim Elemanı Prof. Dr. UMUT ORHAN (A Grubu) (Sor. Öğr. Ele.)


Dersin Amacı / Hedefi

Bu derste, Makine Öğrenmesi yöntemlerinin teorik ve uygulamalı temelleri incelenerek örüntü tanıma problemlerine bu yöntemlerle çözüm bulunması amaçlanmaktadır.

Dersin İçeriği

Örnek-Temelli Öğrenme; Danışmanlı ve Danışmansız Öğrenme; Karar Ağaçları; Bayes Öğrenmesi; Yapay Sinir Ağları: ileri-beslemeli öğrenme ve hata geriyayılım; Destekleyici Öğrenme; Basit Optimizasyon; Öğrenme Algoritmalarının Değerlendirilmesi-Karşılaştırılması-Birlikte Kullanılması; Öznitelik Çıkartma-Seçme ve Boyut Azaltma.

Dersin Ön Koşulu

yok

Kaynaklar

T. Mitchell, Machine Learning, McGraw-Hill, 1997. C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2007. S. Haykin, Neural Networks and Learning Machines, Prentice Hall, 2008. R. O. Duda, Pattern Classification, Wiley-Interscience, 2000.

Notlar

makaleler


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Sınıflandırma ve tahminlemeyi bilir
ÖÇ02 Bilgisayar temelli bir çalışmada bir datayı kullanmayı bilir
ÖÇ03 Makine öğrenmesi yöntemlerini elde hesaplamayı bilir
ÖÇ04 Makine öğrenmesi yöntemlerini problemlere uygulayabilir


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal 1. Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme 4
PÖÇ02 Bilgi - Kuramsal, Olgusal 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama 3
PÖÇ03 Bilgi - Kuramsal, Olgusal 3. Karmaşık bir sistemi, sistem bileşenini ya da süreci analiz etme ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlama becerisi; bu doğrultuda modern tasarım yöntemlerini uygulama becerisi 3
PÖÇ04 Bilgi - Kuramsal, Olgusal 4. Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi 4
PÖÇ05 Bilgi - Kuramsal, Olgusal 5. Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi 3
PÖÇ06 Bilgi - Kuramsal, Olgusal Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven 2
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi 3
PÖÇ08 Beceriler - Bilişsel, Uygulamalı Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi 3
PÖÇ09 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği 9. Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi
PÖÇ10 Yetkinlikler - Öğrenme Yetkinliği Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi 4
PÖÇ11 Yetkinlikler - Öğrenme Yetkinliği 11. Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık 3
PÖÇ12 Yetkinlikler - Öğrenme Yetkinliği 12. Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak 1


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Derse genel bir giriş Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
2 Matlab diline hızlı bir bakış, Makine Öğrenmesine Giriş Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
3 Örnek tabanlı öğrenme, Danışmanlı-Danışmansız Öğrenme Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
4 K-means kümeleme, K-NN ile sınıflandırma Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
5 Entropi, Karar Ağaçları (ID3 ve C4.5 algoritmaları), Sınıflandırma ve Regresyon Ağaçları Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
6 Olasılık ve Koşullu Olasılık, Bayes Teoremi, Naive Bayes Sınıflayıcı, Kategorik ve Nümerik Veri Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
7 Doğrusal Regresyon, Çoklu Doğrusal Regresyon, En Küçük Kareler Yöntemi, Eşik ve Rekabetçi Sınıflandırma Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
8 Arasınav Ders notları ve uygulamalara hazırlanmak Ölçme Yöntemleri:
Yazılı Sınav
9 Yapay Sinir Ağlarına Giriş, Tek katmanlı YSAlar, Algılayıcı, Adaline, En Küçük Ortalama Kareler Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
10 Geri-yayılım Algoritması, Çok Katmanlı Algılayıcı, Eğitimi Durdurma Kriteri Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
11 Takviyeli Öğrenme, Q-Öğrenme, TD-Öğrenme, Öğrenen Vektör Parçalama Ağları, LVQ2, LVQ-X Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
12 Haritalama, Çapsal Tabanlı Fonksiyonlar (RBF), RBF Ağları Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
13 Lagrange Yöntemi, Lagrange Katsayısı ile optimizasyon, Destek Vektör Makineleri, Karesel Programlama Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
14 Özellik Çıkartma ve Seçme, Boyut Azaltma, Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA) Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Anlatım
15 Final Sınavı için Tekrar Ders notunun ilgili bölümünü incelemek Öğretim Yöntemleri:
Soru-Cevap
16 Final Sınavı Ders notları ve uygulamalara hazırlanmak Ölçme Yöntemleri:
Yazılı Sınav
17 Final Sınavı Ders notları ve uygulamalara hazırlanmak Ölçme Yöntemleri:
Yazılı Sınav


Öğrenci İş Yükü - AKTS

Çalışmalar Sayısı Süresi (Saat) İş Yükü (Saat)
Ders ile İlgili Çalışmalar
Ders (Sınav haftaları dahil değildir) 14 3 42
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 5 70
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 0 0 0
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 15 15
Yarıyıl/Yıl Sonu/Final Sınavı 1 30 30
Toplam İş Yükü (Saat) 157
Toplam İş Yükü / 25 (s) 6,28
AKTS 6 AKTS

Güncelleme Zamanı: 22.11.2022 09:59