Akademik Dersler - Tanıtım


Ders Kodu - Ders Adı	PLT519 - Havacılıkta Makine Öğrenmesi
Ders Türü	Seçmeli Dersler
Ders Dili	Türkçe
Teori + Uygulama	2+1
AKTS	7.5
Öğretim Elemanları	DOÇENT DOKTOR AZİZ KABA
Dersin Veriliş Biçimi	Yüz Yüze
Dersin Önkoşulları	Bu dersin önkoşul ya da eş koşulu bulunmamaktadır.
Önerilen Dersler	Önerilen ders yoktur.
Okuma Listesi	Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, (2016)https://www.deeplearningbook.org/
Değerlendirme	1 Ara Sınav, 1 Final Projesi
Staj & Uygulama	Bu derste final projesi mevcuttur.
Sürdürülebilir Kalkınma Amaçları

Haftalar	Konular
1. hafta	Temel Kavramlar: Yapay Zeka, Makine Öğrenmesi, Derin Öğrenme,Gözetimli Öğrenme, Gözetimsiz Öğrenme, Pekiştirmeli Öğrenme, Jupyter/Colab Ortamı
2. hafta	Python Temelleri: Veri Tipleri, Girdi Çıktılar,if - elif-while-for döngüleri, fonksiyon tanımlamaları
3. hafta	Python Temelleri: Pandas, Numpy, Matplotlib, Seaborn kütüphaneleri
4. hafta	Lineer Cebir ve Olasılık Temelleri: Vektör, Matris, Tensör, Python hesaplamaları, Olasılık Dağılım Fonksiyonları
5. hafta	Lineer Regresyon: Veri Hazırlama, Basit regresyon, Çoklu Regresyon; Hata Metrikleri: R Kare, MAE, MSE
6. hafta	Lojistik Regresyon: Sigmoid Fonksiyonu,F1 Skoru, Karışıklık Matrisi, ROC
7. hafta	Karar Ağaçları: Temeller,Terminoloji,Gini İndeksi,Entropi
8. hafta	Regülarizasyon: Aşırı Uyma, Yetersiz Uyma, Lasso, Ridge; Kolektif Öğrenme: XgBoost
9. hafta	Gözetimsiz Öğrenme: Kümelenme, K - ortalama, Sihouette Skoru
10. hafta	Yapay Sinir Ağları (ANN)
11. hafta	Evrişimsel Sinir Ağları (CNN)
12. hafta	Havacılık Uygulamaları
13. hafta	Endüstri / Akademi Semineri
14. hafta	Proje Sunumları

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Proje	1	40
Dönem Sonu Sınavı	1	60
Toplam (%)		100