Akademik Dersler - Tanıtım


Ders Kodu - Ders Adı	RYL533 - Raylı Sistemlerde Veri Analizi ve Makine Öğrenimi
Ders Türü	Seçmeli Dersler
Ders Dili	Türkçe
Teori + Uygulama	3+0
AKTS	7.5
Öğretim Elemanları	DOÇENT DOKTOR SEÇKİN ULUSKAN
Dersin Veriliş Biçimi	Yüzyüze
Dersin Önkoşulları	Yok
Önerilen Dersler	Yok
Zorunlu ya da Önerilen Kaynaklar	T. Mitchell, "Machine Learning", McGraw-Hill, 1997.C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007.
Okuma Listesi
Değerlendirme	Yazılı Sınav
Staj & Uygulama	Yok
Sürdürülebilir Kalkınma Amaçları

Haftalar	Konular
1. hafta	Raylı Sistemlerde Emniyet, Güvenilirlik, Kalite ve Test Verileri, Veri Analizine Giriş
2. hafta	Olasılığın Temelleri, Olasılık Dağılımları, Tek Değişkenli ve Çok Değişkenli Dağılımlar
3. hafta	Kestirim Teorisi, Yanlı ve Yansız Kestirim, Cramer Rao Alt Sınırı
4. hafta	Bayes Karar Alma Sistemleri, En Yüksek Olabilirlik Yöntemi, En Küçük Kareler Yöntemi
5. hafta	Doğrusal Regresyon, Doğrusal Modeller
6. hafta	Öğrenme Sistemlerini Tasarlama, Eğitme, Test Etme, Denetimli Öğrenme
7. hafta	Karar Ağaçları, Temel Karar Ağacı Eğitim Algoritmaları, Aşırı Öğrenme Sorunu
8. hafta	Yapay Sinir Ağları, Matematiksel Altyapısı, Eğitme ve Test Etme
9. hafta	Yapay Sinir Ağları, Uygulamalar, Aşırı Öğrenmeden Kaçınma
10. hafta	Denetimsiz Öğrenme, Kümeleme, K-means Kümeleme
11. hafta	Temel Bileşenler Analizi ve Uygulamaları
12. hafta	Gizli Markov Modelleri
13. hafta	Raylı Sistemlerde Veri Analizi ve Makine Öğreniminin Önemi
14. hafta	Raylı Sistemlerde Makine Öğrenimi Uygulamaları

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Toplam (%)		0