TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | SD0675 |
| Ad | Makine Öğrenmesine Giriş |
| Dönem | 2024-2025 Eğitim-Öğretim Yılı |
| Dönem | Güz |
| Süre (T+U) | 2-0 (T-U) (17 Hafta) |
| AKTS | 3 AKTS |
| Yerel Kredi | 2 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Üniversite Dersi |
| Etiket | ADS Alan Dışı Seçmeli Dersler (Üniversite) ÜOD Üniversite Ortak Ders |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Öğr. Gör.Dr. YILMAZ KOÇAK |
| Dersin Öğretim Elemanı |
Öğr. Gör.Dr. YILMAZ KOÇAK
(A Grubu)
(Sor. Öğr. Ele.)
|
Dersin Amacı / Hedefi
Makine Öğrenmesi kavram ve yöntemleri konusunda temel seviyede bilgi kazandırmak, makine öğrenmesi algoritmaların genel yapısını kavratmak, seçilen bir programlama diliyle (Python vs.) makine öğrenmesi algoritmalarını kodlama yetisini kazandırmak.
Dersin İçeriği
Temel İstatistik, makine öğrenmesinin tanımı, algoritmalarının genel yapısı, makinesi öğrenmesi algoritmalarının seçilen programlama diliyle kodlanması, regresyon ve sınıflandırma algoritmaları, Destek Vektör Makineleri.
Dersin Ön Koşulu
Kaynaklar
Uğuz S., Makine Öğrenmesi Teorik Yönleri ve Pyhton Uygulaması, Nobel Yayınları 2. Basım, 2021
Notlar
Smola, A. and Vishwanathan, S.V.N. Introduction to Machine Learning, Yahoo Labs, Santa Clara
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Temel istatistik kavramlarını açıklar. |
| ÖÇ02 | Makine Öğrenmesi kavramını ve algoritmalarını açıklar. |
| ÖÇ03 | Veri ön işleme süreci kodlamasını yapar. |
| ÖÇ04 | Regresyon kavramlarını açıklar ve regresyon için performans ölçütlerini tanımlar. |
| ÖÇ05 | Basit ve çoklu doğrusal regresyon problemlerinin çözümü için program yazar. |
| ÖÇ06 | K-En Yakın Komşu Algoritmasını izah eder. |
| ÖÇ07 | Sınıflandırma ve Sınıflandırma için performans ölçütlerini tanımlar. |
| ÖÇ08 | Destek Vektör Makineleri kavramlarını açıklar. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | İstatistik ve makine öğrenmesinde Python kullanımının önemi | Pyhton Programlama Dilini kaynak kitaplardan ve arama motorlarından inceleme | |
| 2 | Numpy/Pandas kütüphanelerinin yüklenmesi ve kullanılması | Python Kütüphanelerini kaynak kitaplardan ve arama motorlarından inceleme | |
| 3 | Matplotlib kütüphanesi ile verilerin görselleştirilmesi | Python ile Veri Görselleştirmenin incelenmesi | |
| 4 | Vektörler ve Matrisler | Vektörler ve Matrislerin araştırılması | |
| 5 | Makine Öğrenmesinde Temel Kavramlar | Kaynak kitaplardan konunun okunması | |
| 6 | Makine Öğrenmesinde Uygulama Geliştirme Süreçleri | Kaynak kitaplardan konunun okunması | |
| 7 | Veri Önişleme | Veri Önişleme kavramının araştırılması | |
| 8 | Ara Sınavlar | Sınava hazırlık | |
| 9 | Basit Doğrusal Regresyon | Regresyon kavramının araştırılması | |
| 10 | Çoklu Doğrusal Regresyon | Regresyon çeşitlerinin araştırılması | |
| 11 | Regresyon için Performans Karşılaştırma Ölçütleri | Performansı değerlendirmesinin araştırılması | |
| 12 | Bayes Teoremi ve Sınıflandırma | Sınıflandırma kavramının araştırılması | |
| 13 | Sınıflandırma için Performans Karşılaştırma Ölçütleri | Sınıflandırma kriterlerinin araştırılması | |
| 14 | K-En Yakın Komşu Algoritması | Komşuluk kavramının araştırılması | |
| 15 | Destek Vektör Makineleri | Konunun araştırılması | |
| 16 | Yarıyıl Sonu Sınavları | Sınava hazırlık | |
| 17 | Yarıyıl Sonu Sınavları | Sınava hazırlık |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 2 | 28 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 2 | 28 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 10 | 10 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 6 | 6 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 10 | 10 |
| Toplam İş Yükü (Saat) | 82 | ||
| Toplam İş Yükü / 25 (s) | 3,28 | ||
| AKTS | 3 AKTS | ||