Home » Akademik Birimler » Elektrik - Elektronik Fakültesii » Bilgisayar Mühendisliği Bölümü » Dersler » Makine Öğrenmesi
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Makine ÖğrenmesiBLM511037.5300
ÖnkoşullarYok
YarıyılGüz
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz)
Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Doktora Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüM. Elif Karslıgil
Dersi Veren(ler)Banu Diri
Asistan(lar)ı
Dersin AmacıDersin amacı Makine Öğrenmesi konularına ait teorinin farklı alanlarda uygulama örnekleri ile birlikte öğretilmesidir.
Dersin İçeriği1. Giriş 2. Öğretmenli Öğrenme 3. Bayes Kuralı ve Naive Bayes 4. Karar Ağaçları 5. Doğrusal Ayırt Edici, Çok-katmanlı Perceptron 6. Destek Vektör Makinesi 7. Öğretmensiz Öğrenme 8. Maksimum Beklenti 9. k-Means, Gauss Karışım Modeli 9. Ödül-Ceza İle Öğrenme
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Introduction to Machine Learning, Ethem Alpaydin, The MIT Press,2010
  • Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci makine öğrenmesi temellerini anlar.
  2. Öğrenci çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algortimalarını öğrenir.
  3. Öğrenci makine öğrenmesi tekniklerini gerçek dünya problemlerine uygulayabilir.
  4. Öğrenci makine öğrenmesi ile ilgili bir konuda proje hazırlar, raporunu yazar ve sınıfta sunumunu yapar.
  5. Parametreleri verilen bir problem için öğrenci farklı makine öğrenmesi yöntemlerinin avantaj ve dezavantajlarını ortaya koyabilir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş
2Öğretmenli Öğrenme
3Bayes Kuralı
4Naive Bayes
5Karar Ağaçları
6Doğrusal Ayırt Edici
7Çok-katmanlı Perceptron
8Yıliçi Sınavı
9Destek Vektör Makinesi
10Öğretmensiz Öğrenme
11Maksimum Beklenti
12k-Means
13Gauss Karışım Modeli
14Ödül-Ceza İle Öğrenme
15Proje Sunumları
16Final Sınavı

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev430
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar120
Final130
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati163
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması163
Derse Özgü Staj
Ödev420
Küçük Sınavlar/Stüdyo Kritiği
Projeler125
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)110
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok