Akademik Dersler - Tanıtım


Ders Kodu - Ders Adı	EEM511 - Introduction to Machine Learning (Makine Öğrenmesine Giriş)
Ders Türü	Zorunlu Dersler
Ders Dili	İngilizce
Teori + Uygulama	3+0
AKTS	7.5
Öğretim Elemanları	DOÇENT DOKTOR EMİN GERMEN
Dersin Veriliş Biçimi	Ders sınıf ortamında öğrenciyle yüz yüze yapılmaktadır.
Dersin Önkoşulları	Ders için lineer cebir, programlama bilgisi ve temel istatistik gerekmektedir
Önerilen Dersler	BİL 200, MAT 251, İST 244
Zorunlu ya da Önerilen Kaynaklar	Machine Learning An Algorithmic Perspective, Stephen Marsland, 2’nd Ed, • Neural Networks: A Comprehensive Foundation, Simon Haykin, Uygulama için makaleler
Okuma Listesi	Her yıl değişmektedir
Değerlendirme	1 Ara sınav + 1 Final Sınavı + 1 Proje ve Ödevler. Proje önerilecek bir konunun araştırılmasını veya yeni bir yaklaşım önerilmesini gerektirmektedir.
Staj & Uygulama	Staj yok
Sürdürülebilir Kalkınma Amaçları

Haftalar	Konular
1. hafta	Öğrenme paradigmasına giriş, Doğrusal regresyon problemi ve örnekler
2. hafta	Polinom Regresyon ve Lojistik Regresyon, Sınıflandırma temelleri
3. hafta	Temel nöron, Perceptron ve regresyon ilişkisi, Maximum Likelihood, Gradyan azalma
4. hafta	Çok katmanlı sinir ağları, Geri beslemeli öğrenme
5. hafta	Regularization, Bias/Variance dengesi, validation, eğitim test küme kavramları, eğitim sonuçları değerlendirme metrikleri
6. hafta	Sınıflandırma, Naive Bayes
7. hafta	Sınav Haftası
8. hafta	Öğreticisiz Öğrenme, Kümeleme, K Means Algoritmeasi
9. hafta	Kohonen Öz Düzenlmeli Haritalar
10. hafta	Özellik Çıkarma, Boyut İndirgeme Doğrusal Diskriminant Analizi
11. hafta	Dimensionality Reduction Temel Komponent Analizi
12. hafta	Random Forest, Support Vector Makinaları
13. hafta	Gerçek Dünya Problemleri
14. hafta	Öğrenci proje sunumları

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
1.Ara Sınav	1	30
Ödev	1	30
Dönem Sonu Sınavı	1	40
Toplam (%)		100