Yapay Zeka (Tezli)
Yüksek Lisans	TYYÇ: 7. Düzey	QF-EHEA: 2. Düzey	EQF-LLL: 7. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu:

AIC502

Ders İsmi:

Makine Öğrenmesi

Ders Yarıyılı:

Güz

Ders Kredileri:

Teorik	Pratik	Laboratuvar	AKTS
3	0		6

Öğretim Dili:

Turkish

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Zorunlu

Dersin Seviyesi:

Yüksek Lisans

TYYÇ:7. Düzey

QF-EHEA:2. Düzey

EQF-LLL:7. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr. Öğr. Üyesi BUKET İŞLER

Dersi Veren(ler):

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:	Öğrencilere makine öğrenmesi, yapay sinir ağları algoritması ve istatistiksel öğrenme yöntemlernin temelindeki fikir ve anlayış yanında teorik ve pratik olarak bu yöntemleri nasıl, neden ve ne zaman kullanmaları gerektiğini anlamalarını sağlamak.
Dersin İçeriği:	Denetimli Öğrenme, Denetimsiz Öğrenme, Pekiştirmeli Öğrenme, Sınıflama ve Kümeleme Algoritmaları.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Çıktıları

1 - Bilgi
Kuramsal - Olgusal
1) Verilen verisetine hangi makine öğrenmesi yönteminin uygun olduğuna karar verebilmek
2) Doğrusal regresyon ile sınıflama algoritmaları arasındaki farkı ve hangisini kullanması gerektiğini bilmek.
2 - Beceriler
Bilişsel - Uygulamalı
1) Tek ve çok katmanlı yapay sinir ağlarını, backpropagation gibi sınıflama algoritmalarını bilmek ve uygulamak
2) Denetimli ve denetimsiz boyut azaltımı yöntemlerini bilir ve uygulayabilmek
3) Hiyerarşik kümeleme (single linkage, complete linkage) ve komşuluğa dayalı (kmeans, nearest neigbor, SOM) kümeleme algoritmalarını bilmek ve uygulamak
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
Alana Özgü Yetkinlik
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Derse giriş, derse genel bakış Müfredat, Makine Öğrenmesine Giriş	Yok
2)	Denetimli Öğrenme: Sınıflandırma ve Doğrusal regresyon	Yok
3)	Denetimli Öğrenme: Basit Doğrusal Regresyon	Yok
4)	Denetimli Öğrenme: Sınıflandırma, Basit algılayıcı	Yok
5)	Yapay Sinir Ağlarına Biyolojik ve Tarihsel Giriş, Doğrusal Sınıflandırıcı, Gradyan İniş, En Küçük Ortalama Kare ve Perceptron Yakınsama Algoritması	Yok
6)	Çok Katmanlı Algılayıcı ve Geri Yayılım algoritmasında öğrenme	Yok
7)	Geri yayılım algoritmasının türetilmesi ve uygulanması	Yok
8)	Ara Sınav	Yok
9)	Çekirdek Yöntemleri, Destek Vektör Makineleri	Yok
10)	Destek Vektör Makineleri - Doğrusal Olmayan	Yok
11)	Kümeleme - Hiyerarşik kümeleme (tek ve tam bağlantı, dendogram, iç içe kümeler)	Yok
12)	Kümeleme - K-araçlar, En Yakın Komşular, Kendi Kendini Düzenleyen Haritalar	Yok
13)	Özellik Seçimi ve Çıkarma	Yok
14)	Proje Sunumları	Yok

Kaynaklar

Ders Notları / Kitaplar:	Introduction to Machine Learning, 2e, Ethem Alpaydın, The MIT Press, 2010, ISBN-13: 978-0-262-01243-0
Diğer Kaynaklar:	-

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4	5
Program Kazanımları
1) Bilgisayar mühendisliği çalışmalarını yürütmeyi sağlayacak kavram ve yetkinliklerin kazandırılması ve bilgisayar bilimleri yöntemlerini güncel sorunları çözümlemede veya ihtiyaçları gidermede kullanabilme becerisi.
2) Bir bilgi sistemini modern tasarım araçları ile tasarlayabilme veya var olan bir sistemdeki sorunları saptama, tanımlama ve çözümleme becerisi.
3) Gereksinimlerin analiz edilmesi, uygun donanım ve yazılım çözümlerinin belirlenmesi, kullanılması veya gerçeklenmesi becerisi.
4) Bilimsel yöntemlere uygun olarak, deney, gözlem, uygulama ve akıl yürütmeye dayalı çözümleme ve yorumlama becerisi.
5) Bireysel ve takım halinde veya gereğinde disiplinler arası takımlarda çalışma becerisi.
6) Farklı ortamlarda ve farklı disiplinlerle iletişim kurma becerisi.
7) Yeniliklere açık olma, öğrenmeye açık olma ve kendini yenileme becerisi.
8) Mesleki ve ahlaki sorumluluk taşıma.
9) Proje planlaması ve yönetimi yapabilme; gereğinde girişimcilik ve yenilik yapabilme becerisi.
10) Sosyal, ekonomik, çevresel sorunlar hakkında farkındalık sahibi olma ve mesleğini bu bilinç ile gerçekleştirme.
11) Sorgulayıcı ve sıra dışı düşünerek, özgün çözüm yolları bulabilme, alternatif çözüm yollarını karşılaştırabilme.
12) İnsan ve toplum odaklı olma, kültürel duyarlılık kazanma ve sosyal sorumluluk projelerinin farkında olma.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Bilgisayar mühendisliği çalışmalarını yürütmeyi sağlayacak kavram ve yetkinliklerin kazandırılması ve bilgisayar bilimleri yöntemlerini güncel sorunları çözümlemede veya ihtiyaçları gidermede kullanabilme becerisi.	5
2)	Bir bilgi sistemini modern tasarım araçları ile tasarlayabilme veya var olan bir sistemdeki sorunları saptama, tanımlama ve çözümleme becerisi.	5
3)	Gereksinimlerin analiz edilmesi, uygun donanım ve yazılım çözümlerinin belirlenmesi, kullanılması veya gerçeklenmesi becerisi.	4
4)	Bilimsel yöntemlere uygun olarak, deney, gözlem, uygulama ve akıl yürütmeye dayalı çözümleme ve yorumlama becerisi.	5
5)	Bireysel ve takım halinde veya gereğinde disiplinler arası takımlarda çalışma becerisi.	3
6)	Farklı ortamlarda ve farklı disiplinlerle iletişim kurma becerisi.	2
7)	Yeniliklere açık olma, öğrenmeye açık olma ve kendini yenileme becerisi.	5
8)	Mesleki ve ahlaki sorumluluk taşıma.	2
9)	Proje planlaması ve yönetimi yapabilme; gereğinde girişimcilik ve yenilik yapabilme becerisi.
10)	Sosyal, ekonomik, çevresel sorunlar hakkında farkındalık sahibi olma ve mesleğini bu bilinç ile gerçekleştirme.
11)	Sorgulayıcı ve sıra dışı düşünerek, özgün çözüm yolları bulabilme, alternatif çözüm yollarını karşılaştırabilme.	5
12)	İnsan ve toplum odaklı olma, kültürel duyarlılık kazanma ve sosyal sorumluluk projelerinin farkında olma.

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Ara Sınavlar	1	% 40
Final	1	% 60
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 40
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 60
Toplam		% 100