TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | CENG0050 |
| Ad | Advanced Machine Learning |
| Dönem | 2024-2025 Eğitim-Öğretim Yılı |
| Dönem | Bahar |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Yüksek Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. UMUT ORHAN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
In this course, optimization basis of artificial intelligent algorithms like artificial neural networks and support vector machine and the applications on their solutions is aimed.
Dersin İçeriği
K-Means, K-NN, Decision trees ID3, C4.5, Bayesian and Naive Bayes , Least squares and linear regression, Perceptron, Adaline, Least Mean Squares, Levenberg- Marquartd and artificial neural networks, Reinforcement Learning, Q-Learning, TD-Learning, Learning Vector Quantization Network, Radial Basis Function Network, Lagrange Method and Support Vector Machine, Principal Component Analysis, Linear Discriminant Analysis, Fuzzy Logic and Fuzzy Inference System.
Dersin Ön Koşulu
yok
Kaynaklar
How to Solve It: Modern Heuristics, Z. Michalewicz, D. B. Fogel, Springer, 2004. Intelligent Optimization Techniques, D.T. Pham, D. Karaboga, Springer, 1999. Pattern Recognition and Machine Learning, C. M. Bishop, Springer, 2007. Neural Networks and Learning Machines, S. Haykin, Prentice Hall, 2008.
Notlar
Makaleler
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Uzaklığa dayalı ölçütleri hesaplar |
| ÖÇ02 | Veriyi bölerek analiz yapar |
| ÖÇ03 | Problemi regresyon veya sınıflandırma olarak etiketler |
| ÖÇ04 | Problemin zorluğuna uygun makine öğrenmesi yöntemini seçer |
| ÖÇ05 | Veriyi analiz ederek sonuçları raporlar |
| ÖÇ06 | Veri üzerinde yöntem başarılarını karşılaştırır |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. | 3 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 5 |
| PÖÇ03 | Yetkinlikler - Öğrenme Yetkinliği | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 3 |
| PÖÇ04 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | 2 |
| PÖÇ05 | Yetkinlikler - Öğrenme Yetkinliği | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | 4 |
| PÖÇ06 | Yetkinlikler - Öğrenme Yetkinliği | Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Öğrenme becerilerine sahip olur. | 4 |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | 3 |
| PÖÇ09 | Beceriler - Bilişsel, Uygulamalı | Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır. | |
| PÖÇ10 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. | 3 |
| PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | 2 |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | 2 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Python'a giriş | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 2 | Makine öğrenmesine giriş | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 3 | Distance-based Clustering and Classification: K-Means and K-NN | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 4 | Entropy-based Decision Trees: ID3 and C4.5 | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 5 | Probability, Bayesian Theorem, Naive Bayes | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 6 | Least squares optimization and linear regression | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 7 | Introduction to Artificial Neural Networks: Perceptron and Adaline | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 8 | Ara Sınavlar | Tüm ders notlarını okumak | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Multi-layered artificial neural networks and Backpropagation | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 10 | Reinforcement Learning: Q and TD Learning, LVQ | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 11 | Mapping and Kernel Functions: RBF Networks | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 12 | Optimization by Lagrange Method: Support Vector Machine | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 13 | Dimension Reduction: PCA and LDA | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Anlatım |
| 14 | Fuzzy Logic and Fuzzy Inference Systems | Ders notunun ilgili bölümünü okumak | Öğretim Yöntemleri: Soru-Cevap |
| 15 | Project Presentations | Proje konusu hakkında bir sunum ve bir uygulama hazırlamak | Ölçme Yöntemleri: Proje / Tasarım |
| 16 | Yarıyıl Sonu Sınavları | Tüm ders notlarını okumak | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Tüm ders notlarını okumak | 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 | ||