TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ (YL) (İNGİLİZCE) | |
| Kod | EE510 |
| Ad | Advanced Machine Learning |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Dönem | Bahar |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Doç. Dr. FATİH KILIÇ |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, öğrencilere makine öğrenmesinin ileri düzey kuramsal temellerini ve modern uygulama alanlarını kazandırarak, karmaşık veri problemleri için bilimsel, etik ve teknik açıdan sağlam modelleme çözümleri tasarlama yetkinliği geliştirmektir.
Dersin İçeriği
Bu ders, makine öğrenmesinin ileri düzey kuramsal ve uygulamalı yönlerini kapsamaktadır. Ders kapsamında, makine öğrenmesinin matematiksel temelleri olan lineer cebir, olasılık ve optimizasyon yöntemleri ele alınmakta; model karmaşıklığı, genelleme ve regularization kavramları detaylı biçimde incelenmektedir. Denetimli, denetimsiz ve pekiştirmeli öğrenme yaklaşımlarının yanı sıra derin öğrenme mimarileri, doğal dil işleme ve bilgisayarla görme uygulamaları tartışılmaktadır. Ayrıca, zaman serisi analizi, model yorumlanabilirliği, adalet ve etik konuları ile güncel araştırma makalelerinin incelenmesi yoluyla öğrencilerin eleştirel düşünme ve araştırma yetkinlikleri geliştirilmektedir. Ders, gerçek dünya problemlerine yönelik uçtan uca makine öğrenmesi projeleriyle desteklenmektedir.
Dersin Ön Koşulu
Dersin ön koşulu bulunmamaktadır.
Kaynaklar
Ethem Apaydin, Introduction to Machine Learning, 2e. The MIT Press, 2010. Tom Mitchell, Machine Learning, McGraw Hill, 1997. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2011.
Notlar
“Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems”, Aurélien Géron, O'Reilly Media (2019).
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Makine öğrenmesinin matematiksel ve istatistiksel temellerini ileri düzey problemlerin çözümünde uygulayabilir. |
| ÖÇ02 | Farklı öğrenme paradigmalarını (denetimli, denetimsiz, pekiştirmeli ve derin öğrenme) analiz eder ve uygun yöntemleri seçebilir. |
| ÖÇ03 | Farklı veri türleri için uygun modelleme, optimizasyon ve doğrulama stratejileri geliştirebilir. |
| ÖÇ04 | Gelişmiş makine öğrenmesi modellerini uygulayabilir, performanslarını değerlendirir ve genelleme problemlerini yönetebilir. |
| ÖÇ05 | Güncel literatürü eleştirel olarak değerlendirerek etik, yorumlanabilirlik ve gerçek dünya kısıtlarını dikkate alan uçtan uca çözümler geliştirebilir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Elektrik-elektronik mühendisliğinin temellerini oluşturan dalların en az birinde, bilgi düzeyini lisans düzeyinin ötesine çıkararak uzmanlaşabilme. | 3 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı alanın içerdiği tüm konuların birlikte oluşturduğu bütünlüğü kavrayabilme. | 3 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı alandaki mevcut bilimsel literatüre hakim olabilme ve takip edebilme | 4 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Alanının, ilişkili olduğu diğer dallarla olan disiplinlerarası etkileşimini kavrayabilme | 2 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Kuramsal veya deneysel çalışma yapma becerisine sahip olabilme | 3 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Araştırma sonucunda edinilen bilgileri derleyerek bütünlüklü bir bilimsel metin oluşturabilme | |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Tez konusu üzerinde, danışmanının belirlediği çerçeve içinde, konunun gerektirdiği mantıksal bütünlüğe uygun olarak, programlı bir şekilde çalışabilme. | |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Bilimsel veri tabanlarında literatür araştırması yapabilme; özelde, veri tabanlarını uygun ve doğru şekilde tarama ve listelenen unsurları değerlendirme, kategorize edebilme. | 4 |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Uzmanlık alanında İngilizce olarak yazılmış bir bilimsel metni rahatlıkla okuyup anlayacak düzeyde İngilizce bilme | |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Uzmanlıştığı konudaki bilgileri, bir sunum formatında derleyip, anlaşılır ve etkin bir şekilde sunabilme. | 3 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Bildiği bir programlama dilinde genelde belirli bir amaca yönelik, özelde uzmanlık alanı ile ilgili olan bir bilgisayar programı yazabilme | |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda yol gösterici olabilme, insiyatif alabilme | 2 |
| PÖÇ13 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Uygun bir dil ve tarz ile insanlarla iletişim kurabilme | 2 |
| PÖÇ14 | Yetkinlikler - Öğrenme Yetkinliği | Uzmanlık alanı ile ilgili konularda proje, politika, süreç üretebilme ve bu öğeleri değerlendirme | |
| PÖÇ15 | Yetkinlikler - Öğrenme Yetkinliği | Mevcut araştırma deneyimine dayanarak yeni konularda da araştırma yapabilme | 4 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Giriş ve Dersin Genel Çerçevesi | Ders izlencesini inceleyin, temel makine öğrenmesi kavramlarını gözden geçirin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 2 | Matematiksel Temeller I: Lineer Cebir ve Olasılık | Vektör, matris işlemleri ve temel olasılık konularını tekrar edin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 3 | Matematiksel Temeller II: Optimizasyon ve Öğrenme Teorisi | Türev, gradyan, optimizasyon yöntemleri hakkında ön bilgi edinin | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 4 | Model Karmaşıklığı, Düzenlileştirme ve Genelleme | Bias-variance tradeoff ve overfitting kavramlarını araştırın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 5 | Gelişmiş Denetimli Öğrenme ve Topluluk (Ensemble) Yöntemleri | Regresyon ve sınıflandırma algoritmalarını gözden geçirin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 6 | Denetimsiz Öğrenme ve Temsil Öğrenme | Kümeleme ve boyut indirgeme yöntemlerini inceleyin. | Öğretim Yöntemleri: Soru-Cevap, Anlatım, Tartışma |
| 7 | Derin Öğrenmenin Temelleri | Yapay sinir ağlarının temel yapısını öğrenin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 8 | Ara Sınavlar | Önceki haftaların tüm konularını tekrar edin. | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Doğal Dil İşleme ve Transformer Modelleri | Temel NLP kavramlarını ve attention mekanizmasını okuyun. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 10 | Bilgisayarla Görme ve Derin Görsel Modeller | CNN yapıları ve görüntü işleme temellerini inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 11 | Zaman Serileri ve Ardışık (Sekans) Modeller | Zaman serisi analizi ve RNN/LSTM kavramlarını araştırın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 12 | Pekiştirmeli Öğrenme ve Karar Süreçleri | Markov karar süreçleri ve ödül mekanizmalarını inceleyin. | Öğretim Yöntemleri: Soru-Cevap, Anlatım, Tartışma |
| 13 | Model Yorumlanabilirliği, Adalet ve Etik | AI etik sorunları ve model açıklanabilirliği hakkında okuyun. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 14 | Gelecek Trendler ve Proje Sunumu | Güncel makine öğrenmesi araştırmalarını inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 15 | Proje Sunumu ve Gözden Geçirme | Projenizi hazırlayın ve sunum pratiği yapın. | Ölçme Yöntemleri: Sözlü Sınav, Performans Değerlendirmesi, Proje / Tasarım |
| 16 | Yarıyıl Sonu Sınavları | Tüm konuları genel olarak tekrar edin. | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Eksik konuları tamamlayın ve tekrar yapın. | 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) | 16 | 5 | 80 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 24 | 24 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 2 | 2 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 2 | 2 |
| Toplam İş Yükü (Saat) | 150 | ||
| Toplam İş Yükü / 25 (s) | 6,00 | ||
| AKTS | 6 AKTS | ||