Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Introduction to Machine Learning | CE469 | 8. Yarıyıl | 3 + 0 | 3,0 | 5,0 |
Ön Koşullar | Yok |
Dersin Dili | İngilizce |
Dersin Seviyesi | Lisans |
Dersin Türü | Ders |
Dersin Verilişi | Yüzyüze |
Dersin Koordinatörü |
Dr. Öğr. Üyesi Ekrem BAŞER |
Dersi Verenler |
Dr. Öğr. Üyesi Ekrem BAŞER |
Dersin Yardımcıları | |
Dersin Amacı | Makine öğrenimi, bilgisayarların deneysel verilerden öğrenmesini ve davranışlarını değiştirmesini sağlayan algoritmalara odaklanan yapay zekanın bir dalıdır. Ders, makine öğreniminin teorik temelleri ve karar ağacı öğrenimi, yapay sinir ağları, Bayes öğrenmesi ve destek vektör makineleri gibi bir dizi somut algoritma hakkında bir anlayış sağlar. Ders ayrıca gerçek dünya veri kümelerinde makine öğrenimi algoritmalarının programlanmasını ve kullanımını içerir. |
Dersin İçeriği | Temel İstatistik, makine öğrenmesinin tanımı, algoritmalarının genel yapısı, makinesi öğrenmesi algoritmalarının seçilen programlama diliyle kodlanması, regresyon ve sınıflandırma algoritmaları, Destek Vektör Makineleri. |
Ders Öğrenme Kazanımları |
Hafta | Konular | Öğretim Yöntemleri |
---|---|---|
1. Hafta | İstatistik ve makine öğrenmesinde Python kullanımının önemi | |
2. Hafta | Numpy/Pandas kütüphanelerinin yüklenmesi ve kullanılması | |
3. Hafta | Matplotlib kütüphanesi ile verilerin görselleştirilmesi | |
4. Hafta | Vektörler ve Matrisler | |
5. Hafta | Makine Öğrenmesinde Temel Kavramlar | |
6. Hafta | Makine Öğrenmesinde Uygulama Geliştirme Süreçleri | |
7. Hafta | Veri Önişleme | |
8. Hafta | Basit Doğrusal Regresyon | |
9. Hafta | Çoklu Doğrusal Regresyon | |
10. Hafta | Regresyon için Performans Karşılaştırma Ölçütleri | |
11. Hafta | Bayes Teoremi ve Sınıflandırma | |
12. Hafta | K-En Yakın Komşu Algoritması | |
13. Hafta | Destek Vektör Makineleri | |
14. Hafta | Karar Ağaçları |
Uğuz S., Makine Öğrenmesi Teorik Yönleri ve Pyhton Uygulaması, Nobel Yayınları 2. Basım, 2021 |