Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
8MCTS431Machine Learning3+0+03603.11.2023

 
Dersin Detayları
Dersin Dili İngilizce
Dersin Düzeyi Lisans
Bölümü / Programı Mekatronik Mühendisliği (İngilizce)
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Dersin amacı Makine Öğrenmesi konularına ait teorik konuların farklı alanlarda uygulama örnekleri ile birlikte öğretilmesidir.
Dersin İçeriği Giriş, Karar Ağaçları, Örnek Tabanlı Öğrenme, Bayesçi Öğrenme, Lojistik Regresyon, Sinir Ağları, Destek Vektör Makineleri, Model Seçimi, Özellik Seçimi, Kümeleme, k-ortalama, Maksimum Beklenti, Gauss Karışım Modeli, Topluluk Öğrenmesi, Çekişmeli Öğrenme, Derin Öğrenme, Ödül-Ceza ile Öğrenme
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Dr. Öğretim Üyesi Hikmet Canlı
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar
Ders Notları

Ders Yapısı
Matematik ve Temel Bilimler %40
Mühendislik Bilimleri %40
Mühendislik Tasarımı %30

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 40
Yarıyıl Sonu Sınavı 1 % 60
Toplam :
2
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 3 42
Sınıf Dışı Ç. Süresi 14 3 42
Ödevler 2 10 20
Sunum/Seminer Hazırlama 1 5 5
Ara Sınavlar 1 1 1
Uygulama 2 5 10
Yarıyıl Sonu Sınavı 1 1 1
Toplam İş Yükü   AKTS Kredisi : 4 121

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
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.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Makine öğrenmesine giriş, Denetimli, denetimsiz, yarı denetimli
2 Örneklemeli öğrenme
3 Çok değişkenli modeller ve regresyon
4 Çok değişkenli modeller ve regresyon
5 Yapay sinir ağları
6 Yapay sinir ağları
7 Yapay sinir ağları
8 Vize Sınavı
9 Kümeleme algoritmaları
10 Kümeleme algoritmaları
11 Destek vektör makineleri
12 Karar ağaçları
13 Boyut indirgeme ve temel bileşen analizi.
14 derin öğrenme ve oto kodlarycılar

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12
Tüm 4 4 4 4 4 4 4 4 4 4
Ö1 4 4 4 4 4 4 4 4 4 4
Ö2 4 4 4 4 4 4 4 4 4 4
Ö3 4 4 4 4 4 4 4 4 4 4

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.gedik.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=208042&curProgID=5596&lang=tr