Yapay Zeka Mühendisliği (YL) (Tezli) (İngilizce) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu: | AO5018 | ||||
Ders İsmi: | Makina Öğrenmesi Operasyonları | ||||
Ders Yarıyılı: |
Güz Bahar |
||||
Ders Kredileri: |
|
||||
Öğretim Dili: | English | ||||
Ders Koşulu: | |||||
Ders İş Deneyimini Gerektiriyor mu?: | Evet | ||||
Dersin Türü: | Bölüm/Program Seçmeli | ||||
Dersin Seviyesi: |
|
||||
Dersin Veriliş Şekli: | Yüz yüze | ||||
Dersin Koordinatörü: | Dr. Öğr. Üy. ALPER ÖNER | ||||
Dersi Veren(ler): | Dr. Öğretim Üyesi Alper Öner | ||||
Dersin Yardımcıları: |
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. |
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. |
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 |
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.) |
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. |
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. |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Toplam | % | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 0 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % | |
Toplam | % |
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 |