Siber Güvenlik (YL) (Tezsiz) (İngilizce) Önizleme
Yüksek Lisans	TYYÇ: 7. Düzey	QF-EHEA: 2. Düzey	EQF-LLL: 7. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu:

AO5018

Ders İsmi:

Makina Öğrenmesi Operasyonları

Ders Yarıyılı:

Güz

Ders Kredileri:

AKTS

Öğretim Dili:

İngilizce

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Evet

Dersin Türü:

Bölüm/Program Seçmeli

Dersin Seviyesi:

Yüksek Lisans

TYYÇ:7. Düzey

QF-EHEA:2. Düzey

EQF-LLL:7. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr. Öğr. Üy. ALPER ÖNER

Dersi Veren(ler):

Dr. Öğretim Üyesi Alper Öner

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

• MLOps temel konseptleri,
• MLOps iyi tanımlanmış problemleri,
• MLOps problemlerini çözecek yazılım araçları,
• Temel MLOps Problemleri,
• Bir MLOps Projesini takım halinde gerçekleştirme
hakkında bilgi kazanımı sağlamak.

Dersin İçeriği:

Bu dersi tatmin edici bir şekilde tamamladıktan sonra bir öğrenci:
1. Temel bir iyi tanımlanmış MLOps problemini tasarlayabilecek.
2. MLOps yöntem ve algoritmalarını kullanarak iyi tanımlanmış bir problemi
çözebilecek.
3. MLOps temel methodlarını açıklayabilecek.
4. Yazılım dilleri kullanarak MLOps sistemleri geliştirebilecek.
5. Bir MLOps projesinde takım halinde çalışabilecek.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Model geliştirme sürecini yönetme yeteneği kazanma.
2) Model dağıtım ve entegrasyon sürecini yönetme yeteneği kazanma.
3) Performans ve hata analizi yapabilme yeteneği kazanma.
4) Modeller gerçek dünyada ölçeklenebilecek.
5) Modeller için gerçek dünyada iyileştirme ve bakım yeteceği kazanacak.

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	MLOps Nedir?
2)	MLOps Tasarım Kalıpları - Data
3)	MLOps Tasarım Kalıpları - Problem
4)	MLOps Tasarım Kalıpları - Model
5)	MLOps Tasarım Kalıpları - Serving
6)	Kubernetes
7)	Data Dağılım Kayması
8)	Sorumlu Yapay Zeka
9)	Monitoring and Observability
10)	Proje Teklifi Sunumu
11)	Sürekli Entegrasyon
12)	Sürekli Teslimat
13)	Sürekli Test
14)	MLOps Uygulamaları

Kaynaklar

Ders Notları / Kitaplar:	Machine Learning Design Patterns Solutions to Common Challenges in Data Preparation, Model Building, and MLOps by Valliappa Lakshmanan, Sara Robinson, Michael Munn.
Diğer Kaynaklar:	Designing Machine Learning Systems An Iterative Process for Production- Ready Applications (Chip Huyen). Reliable Machine Learning Applying SRE Principles to ML in Production (Cathy Chen, Niall Murphy, Kranti Parisa etc.)

Ders - Program Öğrenme Kazanım İlişkisi

Course Learning Outcomes	1	2	3	4	5
Program Kazanımları
1) Lisans düzeyi yeterliliklerine dayalı olarak, aynı veya farklı bir alanda bilgilerini uzmanlık düzeyinde geliştirebilme ve derinleştirebilme.
2) Alanında edindiği uzmanlık düzeyindeki kuramsal ve uygulamalı bilgileri kullanabilme.
3) Alanında edindiği bilgileri farklı disiplin alanlarından gelen bilgilerle bütünleştirerek yorumlayabilme ve yeni bilgiler oluşturabilme.
4) Alanı ile ilgili karşılaşılan sorunları araştırma yöntemlerini kullanarak çözümleyebilme.
5) Alanındaki güncel gelişmeleri ve kendi çalışmalarını, nicel ve nitel veriler ile destekleyerek alanındaki ve alan dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli biçimde aktarabilme.
6) Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyi'nde kullanarak sözlü ve yazılı iletişim kurabilme.
7) Alanında edindiği uzmanlık düzeyindeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilme ve öğrenmesini yönlendirebilme.
8) Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde kullanabilme.
9) Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerleri gözeterek denetleyebilme ve bu değerleri öğretebilme.
10) Alanında özümsedikleri bilgiyi, problem çözme ve/veya uygulama becerilerini, disiplinlerarası çalışmalarda kullanabilme.
11) Alanı ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilme.
12) Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunların çözümü için yeni stratejik yaklaşımlar geliştirebilme ve sorumluluk alarak çözüm üretebilme.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Orta	3 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Lisans düzeyi yeterliliklerine dayalı olarak, aynı veya farklı bir alanda bilgilerini uzmanlık düzeyinde geliştirebilme ve derinleştirebilme.
2)	Alanında edindiği uzmanlık düzeyindeki kuramsal ve uygulamalı bilgileri kullanabilme.
3)	Alanında edindiği bilgileri farklı disiplin alanlarından gelen bilgilerle bütünleştirerek yorumlayabilme ve yeni bilgiler oluşturabilme.
4)	Alanı ile ilgili karşılaşılan sorunları araştırma yöntemlerini kullanarak çözümleyebilme.
5)	Alanındaki güncel gelişmeleri ve kendi çalışmalarını, nicel ve nitel veriler ile destekleyerek alanındaki ve alan dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli biçimde aktarabilme.
6)	Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyi'nde kullanarak sözlü ve yazılı iletişim kurabilme.
7)	Alanında edindiği uzmanlık düzeyindeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilme ve öğrenmesini yönlendirebilme.
8)	Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde kullanabilme.
9)	Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerleri gözeterek denetleyebilme ve bu değerleri öğretebilme.
10)	Alanında özümsedikleri bilgiyi, problem çözme ve/veya uygulama becerilerini, disiplinlerarası çalışmalarda kullanabilme.
11)	Alanı ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilme.
12)	Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunların çözümü için yeni stratejik yaklaşımlar geliştirebilme ve sorumluluk alarak çözüm üretebilme.

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Toplam		%
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 0
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		%
Toplam		%

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler	Aktivite Sayısı	İş Yükü
Ders Saati	13	52
Sunum / Seminer	2	20
Proje	3	25
Ödevler	4	40
Final	3	25
Toplam İş Yükü		162