ISB420 Python ile Makine Öğrenmesi

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

Genel Bilgi

Kod ISB420
Ad Python ile Makine Öğrenmesi
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl 8. Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 5 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil Türkçe
Seviye Lisans Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Prof. Dr. MAHMUDE REVAN ÖZKALE
Dersin Öğretim Elemanı
Güncel dönem ders programı henüz yapılmamıştır.


Dersin Amacı / Hedefi

Bu dersin amacı Yapay zeka, veri bilimi ve makine öğrenme kavramlarının gerçek hayat problemlerine uygulamadır

Dersin İçeriği

Bu derste Python programlama dili kullanarak özgün veri analizi yapabilme ve yorumlayabilme işlenmektedir

Dersin Ön Koşulu

yok

Kaynaklar

Sorhun, R., 2022. Python ile Makine Öğrenmesi, Abaküs Kitap.

Notlar

Uğuz, S., 2021. Makine Öğrenmesi Teorik Yönleri Ve Python Uygulamaları İle Bir Yapay Zeka Ekolü, Nobel Akademik Yayıncılık


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Python Programlama Dilini Uygular
ÖÇ02 Python ile Sınıflandırma Yapar
ÖÇ03 Python ile Model Tahmini Oluşturur
ÖÇ04 Python ile Veri Analizi Yapar
ÖÇ05 Sınıflandırma yöntemleri arası farkı bilir
ÖÇ06 Lojistik regresyon modeli oluşturur
ÖÇ07 Çoklu doğrusal regresyon oluşturur
ÖÇ08 Python dilini kullanır


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal İstatistiğin temel kavramlarını ve ilkelerini açıklar
PÖÇ02 Bilgi - Kuramsal, Olgusal Yaşamda istatistiğin yerini ve önemini belirtir 4
PÖÇ03 Bilgi - Kuramsal, Olgusal İktisadi ve hukuksal temel kavram ve ilkeleri tanımlar
PÖÇ04 Bilgi - Kuramsal, Olgusal Karşılaşılabileceği sorunlar karşısında sayısal ve istatistiksel çözümler üretir
PÖÇ05 Bilgi - Kuramsal, Olgusal İstatistiksel verilerin elde edilmesi ve/veya düzenlenmesi için uygun yöntem ve teknikleri kullanır 5
PÖÇ06 Bilgi - Kuramsal, Olgusal Bilgisayar programlarını kullanarak rastgelelik içeren problemlerle ilgili model kurar, problemleri çözer, analiz yapar ve yorumlar
PÖÇ07 Bilgi - Kuramsal, Olgusal İstatistiksel analiz yöntemlerini uygular 5
PÖÇ08 Bilgi - Kuramsal, Olgusal İstatistiksel sonuç çıkarım (tahmin, hipotez testi, v.b.) yapar
PÖÇ09 Bilgi - Kuramsal, Olgusal İstatistiksel teknikleri kullanarak İstatistikle ilişkili farklı disiplinler arasındaki etkileşimin farkında olur ve problemlere çözüm üretir
PÖÇ10 Bilgi - Kuramsal, Olgusal Görsel, veritabanı ve web programlama tekniklerini anlar ve nesnel program yazabilme yeteneğine sahip olur
PÖÇ11 Beceriler - Bilişsel, Uygulamalı İstatistiksel yöntemler arasındaki farkı ayırt eder
PÖÇ12 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği İstatistiksel yöntemleri kullanarak elde edilen sonuçları sözlü ve görsel olarak sunar 3
PÖÇ13 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Bireysel ve ortaklaşa olarak etkili ve üretken çalışma yapma becerisine sahip olur 5
PÖÇ14 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Mesleki gelişimlerinin yanı sıra ilgi ve yetenekleri doğrultusunda bilimsel, kültürel, sanatsal ve sosyal alanlarda eğitim gereksinimlerini belirleyerek kendini sürekli geliştirir 1
PÖÇ15 Yetkinlikler - Öğrenme Yetkinliği İstatistiğin kullanıldığı bilim alanları ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 NumPy, Pandas ve Matplotlib Kütüphanelerinin Kullanımı Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
2 Öğrenme Türleri: Denetimli Öğrenme, Denetimsiz Öğrenme, Yarı Denetimli Öğrenme Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
3 Python ile Veri Ön İşleme Süreci Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
4 Regresyon Analizi: Çoklu Regresyon, Polinom Regresyon Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
5 Destek Vektör Makineleri Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
6 Karar Ağacı Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
7 Rassal Ağaçlar Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
8 Ara Sınavlar Kaynak Okuma Ölçme Yöntemleri:
Yazılı Sınav
9 Değerlendirme ve Karşılaştırma Metotları Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
10 Regresyon Analizi: Lojistik Regresyon Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
11 Kümeleme Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
12 K-En Yakın Komşu Algoritması Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
13 Python ile Veri Bilimi Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
14 Python ile Tahmine Dayalı Modeller Oluşturma Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
15 Python ile Sınıflandırmaya Dayalı Modeller Oluşturma Kaynak Okuma Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
16 Yarıyıl Sonu Sınavları Kaynak Okuma Ölçme Yöntemleri:
Yazılı Sınav
17 Yarıyıl Sonu Sınavları Kaynak Okuma 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 3 42
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 1 6 6
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 12 12
Yarıyıl/Yıl Sonu/Final Sınavı 1 18 18
Toplam İş Yükü (Saat) 120
Toplam İş Yükü / 25 (s) 4,80
AKTS 5 AKTS

Güncelleme Zamanı: 12.06.2024 12:11