SOSYAL BİLİMLER İÇİN MAKİNE ÖĞRENMESİ VE YAPAY ZEKA UYGULAMALARI

SOBE514

Ders Kodu: SOBE514
Yarıyıl: -
Teori+Uygulama: 3 + 0
AKTS: 10

Dersin Türü

Seçmeli

Dersin Düzeyi

Tezsiz Yüksek Lisans

Dersin Yılı

Dersin Yarıyılı

AKTS

Öğretim Eleman(lar)ı

Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenmesi kavramlarının ne olduğunu öğrenecektir.
Bu başlıklar içerisindeki bazı yöntemlerin teorik altyapısını ve bilgisayarlı uygulaması öğrenecektir.
Sosyal ve beşeri bilimlerdeki uygulamalarını gerçek dünya verileri üzerinden yapabileceklerdir.

Veriliş Biçimi

Yüz Yüze

Önkoşullar

Yok

Önerilen Dersler

Dersi alacak öğrencilerin, Temel İstatistik ve Bilgisayar Kodlama ile Algoritma bilgisi olması önerilir.

Ders Tanımı

Sosyal Bilimleri kapsayan uygulama alanlarında Yapay Zeka ve onun alt kümesi olan Makine Öğrenmesi ve Derin Öğrenme tekniklerinin kullanımı ve kullanılan bu tekniklerle çıkarımların yapılmasını amaçlayan bir derstir.

Ders İçeriği

HAFTA	KONULAR
1. Hafta	Temel tanımlar ve kavramalar, Yapay Zekaya Giriş
2. Hafta	Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenm Kavramları
3. Hafta	Öğrenme Türleri ve Performans Değerlendirme
4. Hafta	Veri İçin Ön İşlemler (Önişleme)
5. Hafta	En İyi Modelin Seçimi (K-katlı çapraz doğrulama) ve Hiper Parametre Seçimi (Izgara Arama)
6. Hafta	Radyal Destek Vektör Makineleri ve Firma Müşterilerin Sınıflandırılması
7. Hafta	Destek Vektör Regresyonu ve Finansal Zaman Serisi Kestirimi
8. Hafta	Ara sınav
9. Hafta	Yapay Sinir Ağları ve Banka Müşterilerinin Sınıflandırılması
10. Hafta	Meta-Sezgisel Optimizasyon
11. Hafta	Genetik Algoritma ve Matematiksel Fonksiyon Uygulaması
12. Hafta	Proje Sunumları
13. Hafta	Proje Sunumları
14. Hafta	Genel tekrar
15. Hafta
16. Hafta
17. Hafta
18. Hafta

Kaynaklar

T. Mitchell, "Machine Learning", McGraw-Hill, 1997.
C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007.
N. Gürsakal, ?Makine Öğrenmesi", Dora Yayın, 2018.
V. Nabiev, "Yapay Zeka", Seçkin Yayınevi, 2021.
G. Bektaş vd., "Yapay Zeka Optimizasyon Algoritmaları ve Mühendislik Uygulamaları", Seçkin Yayınevi 2021.
M. Kubat, "Introduction to Machine Learning", Springer, 2017.

Öğretim Yöntemleri

Soru-Cevap
Anlatım
Örnek Olay İncelemesi
Proje
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

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	1	12	12
Toplam İş Yükü			150
Toplam İş Yükü / 30			5
Dersin AKTS Kredisi			10

Dil

Türkçe

Staj / Uygulama

Yok

Program Yeterlilikleri / Öğrenme Kazanımları

	Ö1	Ö2	Ö3
P1
P2	X	X	X
P3	X	X	X
P4
P5
P6
P7	X	X	X
P8