CENG0050 Advanced Machine Learning

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

Genel Bilgi

Kod CENG0050
Ad Advanced Machine Learning
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl . Yarıyıl
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 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

Güncelleme Zamanı: 24.05.2024 04:47