| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Makine Öğrenmesine Giriş | MEH519 | Seçmeli | Lisans | 3 | Güz | 5 |
Öğretim Elemanı Adı
Dr. Öğr. Üyesi Ayhan KÜÇÜKMANİSA
Dersin Öğrenme Kazanımları
1) Makine öğrenmesi araçlarını kullanabilir
2) Makine öğrenmesi konularında güncel bilgi kazanabilir
3) Verilen problemleri çözmek için bilinen makine öğrenmesi algoritmalarını kullanabilir
4) Ders kapsamında öğrenilen bilgileri geliştirilebilir ve problemlere özgün yeni çözümler sunabilir
5) Makine öğrenmesi modellerini yeniden düzenleyip, optimize edebilir.
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | |||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | ||
| Öğrenme Kazanımları | |||||||||||||
| 1 | Yüksek | Yüksek | Yüksek | Yüksek | Yüksek | ||||||||
| 2 | Yüksek | Yüksek | Yüksek | Yüksek | Yüksek | ||||||||
| 3 | Yüksek | Yüksek | Yüksek | Yüksek | Yüksek | ||||||||
| 4 | Yüksek | Yüksek | Yüksek | Yüksek | Yüksek | ||||||||
| 5 | Yüksek | Yüksek | Yüksek | Yüksek | Yüksek | ||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
1) Bilgisayar Programlama Dersini başarı ile tamamlamak.
Önerilen Destekleyici Dersler
İstenmemekte
Dersin İçeriği
Bu ders aşağıdaki konuları kapsamaktadır. 1. Makine Öğrenmesine Giriş, Temel Terimler 2. Sınıflandırma ve lineer regresyon 3. En Yakın Komşu Yöntemi 4. Kümeleme Yöntemleri 5. Denetimli/Denetimsiz Öğrenme 6. Destek Vektör Makineleri 7. Karar ağaçları 8. Yapay Sinir Ağları 9. Konvolüsyonel Sinir Ağları 10. Derin Öğrenme
Önerilen/İstenen Ders Kaynakları
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
Değerlendirme Yöntemi ve Ölçütleri
Sayı |
Yüzde |
|
|---|---|---|
Proje Notunun Başarıya Oranı |
2 |
70% |
Yarıyıl Sonu Sınavının Başarıya Oranı |
1 |
30% |
Toplam |
100% |
|
Dersin Eğitim Dili
İngilizce
Mesleki Uygulama
İstenmemekte