Bilgi Paketi
baskent.edu.tr

Teknoloji ve Bilgi Yönetimi Programı

TBY439

MAKİNE ÖĞRENMESİ

Ders Kodu
TBY439
Yarıyıl
-
Teori+Uygulama
3 + 0
AKTS
5
Dersin TürüSeçmeli
Dersin DüzeyiLisans
Dersin Yılı-
Dersin Yarıyılı-
AKTS5
Öğretim Eleman(lar)ı
Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

  1. Makina öğrenme alanındaki temel metodlara ilişkin bilgi sahibi olacaktır.
  2. Makina öğrenme yöntemlerini kullanarak pratik problemleri modelleme ve çözme becerisi kazanacaktır.
Veriliş BiçimiYüz Yüze
ÖnkoşullarYok
Önerilen Dersler
Ders TanımıTemel makine öğrenmesi uygulamalarını kullanılmasını ve çıkarımların yapılmasını amaçlayan bir derstir.
Ders İçeriği
HAFTA KONULAR
1. Hafta Temel kavramalar, Makine Öğrenmesine Giriş
2. Hafta Makine Öğrenmesi Türleri ve Performans Değerlendirme
3. Hafta Veri İçin Ön İşlemler (Önişleme)
4. Hafta Denetimli (Supervised) Öğrenme 1 (Çoklu Doğrusal Regresyon, Ridge Regresyon ve LASSO Temelli Makine Öğrenmesi)
5. Hafta Denetimli Öğrenme 2 (k-En Yakın Komşuluk)
6. Hafta Denetimli Öğrenme 3 (Destek Vektör Makineleri)
7. Hafta Denetimli Öğrenme 4 (Basit Bayes Sınıflandırıcı)
8. Hafta Ara Sınav
9. Hafta Denetimli Öğrenme 5 (İkili (Binary) Lojistik Regresyon)
10. Hafta Denetimsiz (Unsupervised) Öğrenme 1 (Temel Bileşenler Analizi)
11. Hafta Denetimsiz (Unsupervised) Öğrenme 2 K-Ortalamalar (K-Means)
12. Hafta Topluluk (Ensemble) Öğrenmesi : Rastgele Orman
13. Hafta En İyi Modelin Seçimi (K-katlı çapraz doğrulama-K-Folds Cross Validation) ve Hiper Parametre Seçimi
14. Hafta AdaBoost (Adaptive Boosting), Gradient Boosting ve XGBoost (Extreme Gradient Boosting) Yöntemleri ve Proje sunumu
KaynaklarT. Mitchell, "Machine Learning", McGraw-Hill, 1997.
C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007.
N. Gürsakal, Makine Öğrenmesi, Dora Yayın, 2018.
ME. Balaban, E. Kartal, Veri Madenciliği ve Makine Öğrenmesi, Çağlayan Yayıncılık, 2018.
M. Kubat, Introduction to Machine Learning, Springer, 2017.
Öğretim Yöntemleri
  • Anlatım
  • Eğitim-Uygulama
Değerlendirme
Sayısı Toplam Katkısı (%)
Ara Sınav 1 30
Proje 1 30
Toplam(%) 60
Yıl İçinin Başarıya Oranı(%) 60
Finalin Başarıya Oranı(%) 40
Toplam(%) 100
AKTS İş Yükü
Aktivite Sayı Süre (Saat) İş Yükü
Ara Sınav 1 2 2
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi 14 3 42
Final Sınavına Hazırlık 1 25 25
Ders Saati 14 3 42
Ara Sınava Hazırlık 1 25 25
Laboratuvar
Final Sınavı 1 2 2
Ödevler
Proje 1 12 12
Toplam İş Yükü150
Toplam İş Yükü / 305
Dersin AKTS Kredisi5
DilTürkçe
Staj / UygulamaYok

Program Yeterlilikleri / Öğrenme Kazanımları

Ö1 Ö2
P1 X X
P2 X
P3 X
P4
P5 X X
P6
P7
P8 X
P9
P10
P11
P12
P13
P14 X X
P15 X