Bilişim Sistemleri Mühendisliği
Lisans	TYYÇ: 6. Düzey	QF-EHEA: 1. Düzey	EQF-LLL: 6. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu:

FET313

Ders İsmi:

Makine Öğrenmesi

Ders Yarıyılı:

Güz

Ders Kredileri:

Teorik	Pratik	Laboratuvar	AKTS
2	1	0	5

Öğretim Dili:

Türkçe

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Bölüm Seçmeli

Dersin Seviyesi:

Lisans

TYYÇ:6. Düzey

QF-EHEA:1. Düzey

EQF-LLL:6. Düzey

Dersin Veriliş Şekli:

E-Öğrenme

Dersin Koordinatörü:

Dr. Öğr. Üyesi ARiF YELĞİ

Dersi Veren(ler):

Dr. Öğr. Üyesi KÜBRA EROĞLU

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

Bu ders, makine öğrenmesi algoritmalarını hem teorik hem de pratik olarak gerçek veriler üzerindeki uygulamalarını kapsamaktadır. Dersin sonunda, öğrencilerin makine öğrenmesindeki temel kavramları öğrenmesi ve makine öğrenmesi algoritmalarını veriler üzerinde uygulayabilmesi, öğrenme modelleri ve mühendislik uygulamaları arasında bir ilişki kurmaları ve dönem boyunca derslere aktif katılım göstermeleri beklenir.

Dersin İçeriği:

Makine öğrenmesine ilk bakış ve makine öğrenmesinin temel kavramları, öğrenme teorisi ve çeşitleri, Bayes öğrenmesi ve karar ağaçları, yapay sinir ağları ve genetik algoritmalar, denetimsiz öğrenme ve takviyeli öğrenme ile makine öğrenmesinde etik.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Çıktıları

1 - Bilgi
Kuramsal - Olgusal
2 - Beceriler
Bilişsel - Uygulamalı
1) Makine öğrenmesi temel kavramlarını anlayabilmek.
2) Değişik öğrenme türlerinden birini içeren bir problemi çözebilmek.
3) Makine öğrenmesi algoritmalarını veriler üzerine uygulayabilmek.
4) Makine öğrenmesi yaklaşımı kullanarak bir proje geliştirebilmek.
5) Öğrenme modelini değerlendirebilmek.
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)	Makine Öğrenmesine Giriş	Önceki konuların tekrarı
2)	Makine Öğrenmesinde Temel Kavramlar	Önceki konuların tekrarı
3)	Öğrenme Kuramı ve Öğrenme Çeşitleri	Önceki konuların tekrarı
4)	Bayes Öğrenmesi	Önceki konuların tekrarı
5)	Karar Ağacı Öğrenmesi	Önceki konuların tekrarı
6)	Yapay Sinir Ağları	Önceki konuların tekrarı
7)	Çok Katmanlı Yapay Sinir Ağları	Önceki konuların tekrarı
8)	ARA SINAV	Önceki konuların tekrarı
9)	Genetik Algoritmalar	Önceki konuların tekrarı
10)	Örnek Tabanlı Öğrenme	Önceki konuların tekrarı
11)	Denetimsiz Öğrenme	Önceki konuların tekrarı
12)	Kohonen Ağları	Önceki konuların tekrarı
13)	Destekleyici Öğrenme	Önceki konuların tekrarı
14)	Makine Öğrenmesinde Gizlilik	Önceki konuların tekrarı
15)	Makine Öğrenmesinde Gizlilik	Önceki konuların tekrarı
16)	Final sınav	Önceki konuların tekrarı

Kaynaklar

Ders Notları / Kitaplar:
Diğer Kaynaklar:	Ethem ALPAYDIN, Introduction to Machine Learning, The MIT Press, second edition, 2010. Tom Mitchell, Machine Learning, McGraw-Hill.

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4	5
Program Kazanımları

Ders - Öğrenme Kazanımı İlişkisi

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

Dersin Program Kazanımlarına Etkisi

Katkı Payı

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Toplam		%
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 0
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		%
Toplam		%