Anasayfa  »  Fen Bilimleri Enstitüsü »  Bilgisayar Mühendisliği Tezli Yüksek Lisans Programı

DERS ADIDERS KODUYARIYILTEORİ1 + UYGULAMA (Saat)AKTS
MAKİNE ÖĞRENMEYE GİRİŞ BİL535 --- 3 + 0 10

DERSİN TÜRÜSeçmeli
DERSİN DÜZEYİTezli Yüksek Lisans
DERSİN YILI-
YARIYIL---
AKTS10
ÖĞRETİM ELEMAN(LAR)IDoktor Öğretim Üyesi Mustafa Sert
DERSİN ÖĞRENME KAZANIMLARI Bu dersin sonunda öğrenciler;
1) Hipotez ve versiyon uzaylarını bilir.
2) Öğrenme sistemi tasarlar.
3) Makine öğrenme tekniklerini spesifik bir probleme nasıl uygulayacağını bilir.
DERSİN VERİLİŞ BİÇİMİYüz Yüze
DERSİN ÖNKOŞULLARIYok
ÖNERİLEN DERSLERYok
DERS İÇERİĞİ
HAFTAKONULAR
1. Hafta Otomatik öğrenme paradigmaları.
2. Hafta Kavram öğrenme, genelden özele sıralanış ve versiyon uzayları.
3. Hafta Kavram öğrenme, genelden özele sıralanış ve versiyon uzayları.
4. Hafta Karar ağacı öğrenme.
5. Hafta Karar ağacı öğrenme.
6. Hafta Yapay sinir ağları, algılayıcılar ve çok katmanlı ağlar.
7. Hafta Yapay sinir ağları, algılayıcılar ve çok katmanlı ağlar.
8. Hafta Ara-sınav
9. Hafta Bayes öğrenme.
10. Hafta Örneklerle öğrenme.
11. Hafta Destek vektör makinesi.
12. Hafta Genetik algoritmalar.
13. Hafta Genetik algoritmalar.
14. Hafta Seçilen problemler üzerinde uygulamalar.
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR1. Machine Learning, Tom Mitchell, McGraw-Hill.
2. Pattern Recognition and Machine Learning, Christopher Bishop, Springer.
3. Pattern Classification, Richard O. Duda, Wiley.
ÖĞRETİM YÖNTEM VE TEKNİKLERİAnlatım,Soru-Cevap,Eğitim-Uygulama,Sorun/Problem Çözme,Proje,Rapor Hazırlama,Sunum
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
 SayısıToplam Katkısı(%)
Ara Sınav130
Mini-Sınav115
Proje115
Toplam(%)60
Yıl İçinin Başarıya Oranı(%)60
Finalin Başarıya Oranı(%)40
Toplam(%)100
DİLTürkçe
STAJ / UYGULAMAYok
  

PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ
Ö1Ö2Ö3
P1  X   X   X
P2  X   X   X
P3  X   X   X
P4    X   X
P5  X   X   X
P6      X
P7      X
P8  X   X   X
P9    X   X
P10      X
P11      X
P12  X   X   X