Dersin Amacı: |
Bu ders, denetimli ve denetimsiz öğrenme, sınıflandırma, regresyon, kümeleme, karar ağaçları ve derin öğrenmenin temellerini kapsayacaktır. Öğrenciler, görüntü sınıflandırma, doğal dil işleme ve öneri sistemleri gibi gerçek dünya problemlerini çözmek için bu teknikleri nasıl uygulayacaklarını öğreneceklerdir. Ayrıca, ders, etkili Makine Öğrenmesi modelleri geliştirmek için önemli olan model değerlendirme, özellik seçimi ve veri ön işleme kavramlarını da ele alacaktır.
|
Dersin İçeriği: |
Dersin içeriği, doğrusal regresyon, lojistik regresyon, K-En Yakın Komşu, Destek Vektör Makineleri, Naive Bayes, K-ortalama kümeleme, Temel Bileşen Analizi, rastgele orman gibi toplu öğrenme algoritmaları ve gradyan artırma makineleri, tek katmanlı ve çok katmanlı algılayıcılara sahip yapay sinir ağları gibi konuları kapsamaktadır.
|
Hafta |
Konu |
Ön Hazırlık |
1) |
Makine Öğrenmesine Giriş |
|
2) |
Denetimli Öğrenme-Regresyon Problemi
|
|
3) |
Denetimli Öğrenme
-Sınıflandırma Problemi
-Lojistik Regresyon
-K-En Yakın Komşu |
|
4) |
Keşfedici Veri Analizi
- Veri Ön İşleme |
|
5) |
Denetimli Öğrenme
- Karar Ağacı
- Dengesiz Veri Kümeleriyle Başa Çıkma
|
|
6) |
Denetimli Öğrenme
-Rastgele Orman
-Çapraz Doğrulama ve Türleri
|
|
7) |
Denetimli Öğrenme
Naif Bayes ve Destek Vektör Makineleri |
|
8) |
Ara Sınav
|
|
9) |
Denetimli Öğrenme
-Hiperparametre ayarlama
- Performans metrikleri
|
|
10) |
Denetimsiz Öğrenme
|
|
11) |
Ensemble Öğrenme Yöntemleri
|
|
11) |
Ensemble Öğrenme Yöntemleri
|
|
12) |
Boyut Azaltma
|
|
13) |
Yapay Sinir Ağları
Algılayıcılar |
|
14) |
Yapay Sinir Ağları
Çok Katmanlı Ağlar |
|
Ders Notları / Kitaplar: |
1) Introduction to Machine Learning, Ethem Alpaydın (3rd Edition), 2014, MIT Press
2) Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz, Shai Ben-David (1st Edition), 2014, Cambridge University Press
3) Pattern Recognition and Machine Learning, Christopher Bishop (1st Edition), 2006, Springer
4) Learning from Data, Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin (1st Edition), 2012, AMLBook
|
Diğer Kaynaklar: |
"1) Linear Algebra and Optimization for Machine Learning: A Textbook, Charu C. Aggarwal (1st Edition), 2020, Springer Press
2) Optimization for Machine Learning, Suvrit Sra, Sebastian Nowozin, Stephen J. Wright (Edited - 1st Edition), 2011, MIT Press"
|
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Fen bilimleri, matematik, mühendislik ve teknoloji alanlarında yeterli bilgi birikimine ve bu bilgiyi kullanarak karmaşık imalat ve servis sistemleri tasarlama, problemleri tespit etme, formüle etme ve çözümleme yeteneğine sahiptir. |
3 |
2) |
İnsan, bilgi, hammadde ve enerji bileşenlerinden oluşan bütünleşik sistemlerin analizi için uygun metot belirleme ve bunları uygulama; veri toplama, işleme ve çıkarımlarda bulunma; ve mühendislik becerilerini kullanarak sonuca ulaşma yeteneğne sahiptir. |
2 |
3) |
Farklı sistemlere ait çıktıları gerçekçi kısıtlar altında eniyilemek üzere mühendislik tasarım prensipleri ile birlikte uygun analitik, hesaplamalı ve deneysel mühendislik tekniklerini seçme ve etkin bir şekilde kullanma yeteneğine sahiptir. |
|
4) |
Alanındaki mühendislik uygulamalarında modern teknoloji, cihaz, yazılım ve yazılım dillerinden uygun olanını seçme ve etkin olarak kullanma becerisine sahiptir. |
3 |
5) |
Küresel, kültürel, toplumsal, ekonomik ve çevresel meseleler konusunda bir farkındalık içerisinde toplum sağlığı, güvenliği ve refahına katkıda bulunacak endüstri odaklı çözümler üretme yeteneğine sahiptir. |
2 |
6) |
Mesleği ile ilgili karşılaştığı durumlarda etik, profesyonel ve yasal sorumluluklarını göz ardı etmeden karar verme bilincine sahiptir. |
|
7) |
Sürdürülebilirlik, girişimcilik, yenilikçilik gibi güncel kavramlar konusunda farkındalık; ve bu kavramların kendi mesleği üzerindeki etkilerini anlayabilme yeteneğine sahiptir. |
|
8) |
Alanıyla ilgili farklı kitlelerle etkin bir şekilde yazılı ve sözlü bilgi ve tecrübe paylaşımında bulunacak düzeyde iletişim kurma ve sunum yapabilme; karşılaştığı teknik rapor ve çizimleri anlama ve gerektiğinde bunları hazırlayabilme yeteneğine sahiptir. |
|
9) |
Bir yabancı dili Avrupa Dil Portföyü kriteri açısından en az B1 düzeyinde kullanabilme yeteneğine sahiptir. |
|
10) |
Yaşam boyu öğrenme bilinci içerisinde, alanı ile ilgili ortaya çıkan her türlü yeniliği takip ederek bu yeniliklere ayak uydurabilme ve bunları mesleğine yansıtabilme yeteneğine sahiptir. |
|
11) |
Disiplinler arası projelerde verimli çalışabilme, işbirliğine açık olma ve gerektiğinde inisiyatif alarak liderlik yapma, riskleri yönetme, faaliyetleri planlama ve strateji geliştirme yeteneğine sahiptir. |
|
12) |
İnsan-makine etkileşimi ve yapay zeka alanında ortaya çıkan yeni yaklaşımları takip edebilme ve kendi alanındaki problemler üzerinde uygulama yeteneğine sahiptir. |
|