Akademik Dersler - Tanıtım


Ders Kodu - Ders Adı	İTN529 - Machine Learning (Makine Öğrenmesi)
Ders Türü	Seçmeli Dersler
Ders Dili	İngilizce
Teori + Uygulama	3+0
AKTS	7.5
Öğretim Elemanları	DOKTOR ÖĞRETİM ÜYESİ HALİL GAMSIZKAN
Dersin Veriliş Biçimi	Yüz yüze
Dersin Önkoşulları	-
Önerilen Dersler	Temel doğrusal cebir, kalkülüs, temel olasılık ve istatistik, temel bilgisayar kullanımı hakkında dersler alınmış olması / bilgi sahibi olunması önerilir.
Okuma Listesi
Değerlendirme	Ödevler, iki ara ve bir final sınavı.
Staj & Uygulama	Yok
Sürdürülebilir Kalkınma Amaçları

Haftalar	Konular
1. hafta	Giriş, makine öğrenmesi kavramları, yazılım araçları
2. hafta	Temel olasılık ve doğrusal cebir konuları
3. hafta	Gözetimli öğrenme, en yakın k komşu (k-NN)
4. hafta	Doğrusal yöntemler
5. hafta	Saf Bayes sınıflayıcı
6. hafta	Destek vektör makineleri (SVM)
7. hafta	Karar ağaçları
8. hafta	Topluluk yöntemleri
9. hafta	Yapay sinir ağları
10. hafta	Veri kümesi dönüşümleri, model değerlendirme, öznitelik seçimi
11. hafta	Gözetimsiz yöntemler
12. hafta	Öbekleme
13. hafta	Anomali yakalama, temel bileşen analizi
14. hafta	Pekiştirme öğrenmesi, derin öğrenme: evrişimli sinir ağları, tekrarlayan sinir ağları, otokodlayıcı, üretici modeller

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
1.Ara Sınav	1	20
2.Ara Sınav	1	20
Ödev	1	20
Dönem Sonu Sınavı	1	40
Toplam (%)		100