Makine Öğrenmesine Giriş

Eğitim Şekli

Yüz Yüze

Ön Koşullar, Diğer Koşullar

Yok

Önerilen Destekleyici Dersler

İstatistik ve Olasılık, Veri Madenciliği

Dersin İçeriği

-Makine öğrenme algoritmalarının anlaşılması, - Makine öğrenmesi altında yer alan diğer öğrenme yöntemlerinin tanıtılması, - Farklı konularda makine öğrenmesi modellerinin gerçeklenmesi, - Yeni nesil öğrenme modellerinin sunulması, - Ders içeriğinde bahsedilen modellerin proje kapsamında uygulanması.

Haftalık Ders İzlencesi

1) Temel Konseptler
2) Denetimli Makine Öğrenmesi ve Yöntemleri
3) Denetimli Makine Öğrenmesi ve Yöntemleri
4) Denetimli Makine Öğrenmesi ve Yöntemleri
5) Denetimli Makine Öğrenmesi ve Yöntemleri
6) Derin Öğrenme ve Yöntemleri
7) Derin Öğrenme ve Yöntemleri
8) Ara Sınav /Değerlendirme
9) Derin Öğrenme ve Yöntemleri
10) Takviyeli Öğrenme ve Yöntemleri
11) Takviyeli Öğrenme ve Yöntemleri
12) Topluluk Öğrenmesi
13) Topluluk Öğrenmesi
14) Proje Sunumları
15) Proje Sunumları
16) Yarıyıl sonu Sınavı

Önerilen/İstenen Ders Kaynakları

1- Andriy Burkov, Machine Learning Engineering
2- Andreas C. Müller, Sarah Guido, Introduction to Machine Learning with Python: A Guide for Data Scientists
3- Kevin P. Murphy, Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)

Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi

1) Anlatım
2) Soru-Cevap
3) Tartışma
4) Alıştırma ve Uygulama
5) Grup Çalışması
6) Bireysel Çalışma
7) Proje Temelli Öğrenme

Değerlendirme Yöntemi ve Ölçütleri

Ara Sınav Notunun Başarıya Oranı	40%
Yarıyıl Sonu Sınavının Başarıya Oranı	60%
Toplam	100%

Dersin Eğitim Dili

Türkçe

Mesleki Uygulama

İstenmemekte