Bilgi Paketi
baskent.edu.tr

Yapay Zeka Mühendisliği Programı (İngilizce)

AI436

İLERİ MAKİNE ÖĞRENMESİ

Ders Kodu
AI436
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. Değerlendirme yöntemlerini bilir ve uygular.
  2. Hibrid öğrenme sistemlerini nasıl tasarlayacağını bilir.
  3. Öğrenilen teknikleri spesifik problemlere nasıl uygulayacağını bilir.
Veriliş BiçimiYüz Yüze
ÖnkoşullarYok
Önerilen Dersler
Ders TanımıModel seçimi ve değerlendirme teknikleri, Topluluk yöntemleri: bagging, boosting, stacking, Düzenlileştirme ve seyrelme (L1/L2 normları), Çekirdek yöntemleri ve destek vektör makineleri derinlemesine, Boyut indirgeme: PCA, t-SNE, UMAP, Olasılıksal grafik modelleri: Bayes ağları, Markov rastgele alanları, Üretici modeller: Gauss Karışım Modelleri, Gizli Markov Modelleri (HMM), Varyasyonel Otokodlayıcılar (VAE), Üretici Çekişmeli Ağlar (GAN), Derin öğrenme mimarileri: CNN, RNN, LSTM, Transfer öğrenme ve alan uyarlaması, Yarı denetimli ve kendi kendine denetimli öğrenme, Model açıklanabilirliği ve makine öğrenmesinde adalet, Bilgisayarla görme, Doğal dil işleme ve zaman serileri alanlarında vaka çalışmaları.
Ders İçeriği
HAFTA KONULAR
1. Hafta Otomatik öğrenme paradigmaları.
2. Hafta Makine öğrenme için değerlendirme yöntemleri.
3. Hafta Destekleyici öğrenme.
4. Hafta Maliyet-duyarlı öğrenme.
5. Hafta Analitik öğrenme.
6. Hafta Analitik ve tümevarımlı öğrenme yöntemlerinin birlikte kullanımı.
7. Hafta Aktif öğrenme.
8. Hafta Ara-sınav
9. Hafta Seçilen problemler üzerinde uygulamalar.
10. Hafta Seçilen problemler üzerinde uygulamalar.
11. Hafta Seçilen problemler üzerinde uygulamalar.
12. Hafta Seçilen problemler üzerinde uygulamalar.
13. Hafta Seçilen problemler üzerinde uygulamalar.
14. Hafta Seçilen problemler üzerinde uygulamalar.
Kaynaklar* Pattern Recognition and Machine Learning - Christopher M. Bishop
* Deep Learning - Ian Goodfellow, Yoshua Bengio, Aaron Courville
Öğretim Yöntemleri
  • Anlatım
  • Soru-Cevap
  • Eğitim-Uygulama
  • Sorun/Problem Çözme
  • Proje
  • Rapor Hazırlama
  • Sunum
Değerlendirme
Sayısı Toplam Katkısı (%)
Ara Sınav 1 30
Proje 1 30
Toplam(%) 60
Yıl İçinin Başarıya Oranı(%) 60
Finalin Başarıya Oranı(%) 40
Toplam(%) 100
DilTürkçe
Staj / UygulamaYok

Program Yeterlilikleri / Öğrenme Kazanımları

Ö1 Ö2 Ö3
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12