Bilişim Güvenliği Teknolojisi (İÖ) | |||||
Önlisans | TYYÇ: 5. Düzey | QF-EHEA: Kısa Düzey | EQF-LLL: 5. Düzey |
Ders Kodu: | MYO008 | ||||
Ders İsmi: | Makine Öğrenmesi | ||||
Ders Yarıyılı: |
Bahar Güz |
||||
Ders Kredileri: |
|
||||
Öğretim Dili: | Türkçe | ||||
Ders Koşulu: | |||||
Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
Dersin Türü: | Bölüm/Program Seçmeli | ||||
Dersin Seviyesi: |
|
||||
Dersin Veriliş Şekli: | Yüz yüze | ||||
Dersin Koordinatörü: | Dr. Öğr. Üy. EZGİ ÖZER | ||||
Dersi Veren(ler): | Öğr. Gör. Dr. Ezgi Özer | ||||
Dersin Yardımcıları: |
Dersin Amacı: | Makine öğrenmesine dair temel kavram ve uygulamalarının anlaşılması, problemlerin analizinde kullanılacak uygun optimizasyon algoritmasına sahip öğrenme algoritmalarının belirlenmesi, örnek problemler yardımıyla elde edilen sonuçların yorumlanması. |
Dersin İçeriği: | Makine öğrenmesi giriş ve temel kavramlar, problem analizi ve çözümü, öğrenme, farklı makine öğrenmesi algoritmaları, optimizasyon algoritmaları, görüntü analizi, genetik algoritma. |
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Yapay sinir ağ yapılarının temellerini kavrama. 2) İstatistiksel öğrenmeyi kavrama 3) Makine öğrenme algoritmaları arasındaki farkı anlayabilme. 4) Makine öğrenme algoritmaları kullanarak program yazabilme. 5) Makine öğrenmesi için gerekli optimizasyon algoritmalarını anlama. |
Hafta | Konu | Ön Hazırlık |
1) | Yapay Zekaya Giriş | |
2) | Yapay Sinir Ağları | |
3) | İstatistiksel Öğrenme | |
4) | Makine Öğrenmesi | |
5) | Derin Öğrenme | |
6) | Danışmalı Öğrenme | |
7) | Danışmasız Öğrenme | |
8) | Ara Sınav | |
9) | Pekiştirmeli Öğrenme | |
10) | Uzun Kısa-Dönem Bellek | |
11) | Destek Vektör Makineleri | |
12) | Evrişimsel Sinir Ağları | |
13) | Rasgele Ormanlar | |
14) | Bilgisayarlı Görü | |
15) | Final Sınavı |
Ders Notları / Kitaplar: | 1. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer. 2.Wolfgang Ertel, Introduction to Artificial Intelligence, Second Edition, Springer. 3.Charu C. Aggarwal, Neural Networks and Deep Learning, Springer. |
Diğer Kaynaklar: | 1. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer. 2.Wolfgang Ertel, Introduction to Artificial Intelligence, Second Edition, Springer. 3.Charu C. Aggarwal, Neural Networks and Deep Learning, Springer. |
Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
---|---|---|---|---|---|
Program Kazanımları |
Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Ödev | 1 | % 20 |
Ara Sınavlar | 1 | % 35 |
Final | 1 | % 45 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 55 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 45 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Aktiviteye Hazırlık | Aktivitede Harçanan Süre | Aktivite Gereksinimi İçin Süre | İş Yükü | ||
Ders Saati | 3 | 0 | 0 | ||||
Ödevler | 1 | 0 | 0 | ||||
Ara Sınavlar | 1 | 0 | 0 | ||||
Final | 1 | 0 | 0 | ||||
Toplam İş Yükü | 0 |