ISB420 Machine Learning with Python

5 ECTS - 3-0 Duration (T+A)- 8. Semester- 3 National Credit

Information

Code ISB420
Name Machine Learning with Python
Term 2024-2025 Academic Year
Semester 8. Semester
Duration (T+A) 3-0 (T-A) (17 Week)
ECTS 5 ECTS
National Credit 3 National Credit
Teaching Language Türkçe
Level Lisans Dersi
Type Normal
Mode of study Yüz Yüze Öğretim
Catalog Information Coordinator Prof. Dr. MAHMUDE REVAN ÖZKALE
Course Instructor
1


Course Goal / Objective

The aim of this course is the application of artificial intelligence, data science and machine learning concepts to real life problems

Course Content

In this course, Ability to analyze and interpret original data using Python programming language are covered

Course Precondition

none

Resources

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

Notes

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


Course Learning Outcomes

Order Course Learning Outcomes
LO01 Implements the Python Programming Language
LO02 Do classification with Python
LO03 Makes Model Estimation/Prediciton with Python
LO04 Makes Data Analysis with Python
LO05 Knows the difference between classification methods
LO06 Creates a logistic regression model
LO07 Creates a multiple linear regression model
LO08 Uses Python language


Relation with Program Learning Outcome

Order Type Program Learning Outcomes Level
PLO01 Bilgi - Kuramsal, Olgusal Explain the essence fundamentals and concepts in the field of Statistics
PLO02 Bilgi - Kuramsal, Olgusal Emphasize the importance of Statistics in life 4
PLO03 Bilgi - Kuramsal, Olgusal Define basic principles and concepts in the field of Law and Economics
PLO04 Bilgi - Kuramsal, Olgusal Produce numeric and statistical solutions in order to overcome the problems
PLO05 Bilgi - Kuramsal, Olgusal Use proper methods and techniques to gather and/or to arrange the data 5
PLO06 Bilgi - Kuramsal, Olgusal Utilize computer programs and builds models, solves problems, does analyses and comments about problems concerning randomization
PLO07 Bilgi - Kuramsal, Olgusal Apply the statistical analyze methods 5
PLO08 Bilgi - Kuramsal, Olgusal Make statistical inference (estimation, hypothesis tests etc.)
PLO09 Bilgi - Kuramsal, Olgusal Generate solutions for the problems in other disciplines by using statistical techniques and gain insight
PLO10 Bilgi - Kuramsal, Olgusal Discover the visual, database and web programming techniques and posses the ability of writing programs
PLO11 Beceriler - Bilişsel, Uygulamalı Distinguish the difference between the statistical methods
PLO12 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Make oral and visual presentation for the results of statistical methods 3
PLO13 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Have capability on effective and productive work in a group and individually 5
PLO14 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Professional development in accordance with their interests and abilities, as well as the scientific, cultural, artistic and social fields, constantly improve themselves by identifying training needs 1
PLO15 Yetkinlikler - Öğrenme Yetkinliği Develop scientific and ethical values in the fields of statistics-and scientific data collection


Week Plan

Week Topic Preparation Methods
1 Using NumPy, Pandas, and Matplotlib Libraries Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
2 Learning Types: Supervised Learning, Unsupervised Learning, Semi Supervised Learning Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
3 Data Preprocessing with Python Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
4 Regression Analysis: Multiple Regression, Polynomial Regression Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
5 Support Vector Machine Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
6 Decision Tree Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
7 Random Forest Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
8 Mid-Term Exam Source Reading Ölçme Yöntemleri:
Yazılı Sınav
9 Evaluation and Comparison Methods Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
10 Regression Analysis: Logistic Regression Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
11 Clustering Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
12 K-Nearest Neighbor Algortihm Source Reading Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
13 Data Science with Python Source Reading Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
14 Building Predictive Models with Python SourceReading Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
15 Building Classification-Based Models with Python Source Reading Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama, Problem Çözme
16 Term Exams Source Reading Ölçme Yöntemleri:
Yazılı Sınav
17 Term Exams Source Reading Ölçme Yöntemleri:
Yazılı Sınav


Student Workload - ECTS

Works Number Time (Hour) Workload (Hour)
Course Related Works
Class Time (Exam weeks are excluded) 14 3 42
Out of Class Study (Preliminary Work, Practice) 14 3 42
Assesment Related Works
Homeworks, Projects, Others 1 6 6
Mid-term Exams (Written, Oral, etc.) 1 12 12
Final Exam 1 18 18
Total Workload (Hour) 120
Total Workload / 25 (h) 4,80
ECTS 5 ECTS

Update Time: 12.06.2024 12:11