Ders Adı Makine Öğrenme
Ders Kodu MEK-802
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Ön Lisans
Yıl 1
Dönem 2.Yarıyıl
AKTS 3
Dersi Veren(ler) Öğr. Gör. Zeynep KOYUN
Dersin Yardımcıları
Ders İşleme Biçimi Yüz Yüze
Önkoşul Dersleri
Dersin İçeriği Hafta Konular Açıklama 1 Makine öğrenmesi konusunda temel kavramlar 2 Bilgi temsili 3 Temsil üretme ve temsilleri dönüştürme. 4 Kavramları öğrenme genelden özele sıralama: Find-S ve uyarlama uzayı Yoklama Sınavı 1 5 Adayları eleme algoritması Karar Ağacı Öğrenmesi 6 Kural kümelerini öğrenme 7 Sınıflama ve keşif yoluyla öğrenme 8 Ara sınav 9 Pekiştirmeli öğrenme: Q Öğrenme 10 Yapay sinir ağları Çok katmanlı ağ Kohonen ağı 11 Bulanık mantık 12 Bulanık Mantık (devam) 13 Bulanık Mantık (devam) 14 Son Tekrar
Dersin Verildiği Diller Türkçe
Dersin Amacı Bu dersin amacı, denetimli öğrenme tekniklerinde kullanılan modern algoritmaların tanınmasına olanak sağlamaktır. Makine öğrenimi sahası, deneyimle kendi kendini otomatik olarak geliştirebilen bilgisayar programlarının nasıl oluşturulduğu ile ilgilenmektedir. Öğretim dönemi süresince, öğrencilere makine öğrenimi algoritmalarının teorik özellikleri verilecek ve bunları uygulamaya yönelik çalışmalar yapılacaktır.
No Dersin Kazanımları  
1 1 Öğrenme ve çıkarsama konuları hakkında bilgiye sahip olabilme.
2 2 Makine Öğrenme tekniklerinin teorisi hakkında bilgi sahibi olabilme.
3 3 Makine Öğrenme tekniklerini uygulayabilme.
4 4 Algoritmik çözüm yöntemlerinden faydalanabilme.
5 5 Makine öğrenme tekniklerinin farklılıkları ve benzerliklerini iyi kavrayabilme.
DERSİN KAZANIMLARI / PROGRAM YETERLİKLERİ İLİŞKİ MATRİSİ
DKPY1PY2PY3PY4PY5PY6PY7PY8PY9PY10PY11PY12PY13PY14
1
2
3
4
5
5-Çok Yüksek İlişkili 4- Yüksek İlişkili 3-Orta İlişkili 2- Zayıf İlişkili 1-Çok Zayıf İlişkili 0-İlişkisiz
Hafta Konular  
1 Makine öğrenmesi konusunda temel kavramlar
2 Bilgi temsili
3 Temsil üretme ve temsilleri dönüştürme.
4 Kavramları öğrenme genelden özele sıralama: Find-S ve uyarlama uzayı
5 Adayları eleme algoritması Karar Ağacı Öğrenmesi
6 Kural kümelerini öğrenme
7 Sınıflama ve keşif yoluyla öğrenme
8 Sınıflama ve keşif yoluyla öğrenme 2
9 Pekiştirmeli öğrenme: Q Öğrenme
10 Yapay sinir ağları Çok katmanlı ağ Kohonen ağı
11 Bulanık mantık
12 Bulanık mantık
13 Bulanık mantık
14 Bulanık mantık
No Bölüm Öğrenme Çıktısı Katkı Düzeyi
1 Genel veya mesleki orta öğretimde kazanılan yeterlilikler üzerine kurulan ve orta öğretim düzeyi üzerindeki dersler - uygulama araç ve gereçleri ile desteklenen bir alandaki bilgi ve becerilere sahip olmak ve o alandaki temel kavramları kavradığını göstermek. 3
2 Endüstriyel elektronik alanında tanımı iyi yapılmış problemlerin çözümü için gerekli olan verileri tanımlama, toplama ve kullanmayı etkin bir biçimde yapabilmek; pratik uygulamalarda gereken teorik bilgileri, el ve/veya düşünsel becerileri kullanabildiğini göstermek. 4
3 Endüstriyel Elektronik alanı ile ilgili tasarımları ve uygulamaları çalışma arkadaşlarına, üstlerine ve hizmet verdiği kişi ve gruplara açık bir biçimde anlatabilmek ve takım çalışması yapabilmek. 3
4 Endüstriyel Elektronik alanında bağımsız olarak öğrenmeyi ve öğrendiklerini uygulayabildiğini göstermek. 2
5 Sorumluluğu altında çalışanların performanslarını objektif olarak değerlendirmek ve denetlemek. 3
6 Alanında yeterli olacak düzeyde yabancı dil bilgisine sahip olmak. 4
7 Temel bilgisayar kullanımı bilgisi ile birlikte, mesleğinin gerektirdiği yazılımları kullanabilmek. 5
8 Alanı ile ilgili konularda ölçüm yapabilme yeteneğine sahip olmak 3
9 Alanı ile ilgili konularda, sosyal sorumluluk ve sosyal güvenlik hakları bilgisi ve bilincine sahip olmak. 4
10 Güç aktarma ve hidrolik pnömatik bilgi ve becerisine sahip olmak 3
11 Alanında kullanacağı malzemeleri ve imalat yöntemlerini öğrenebilmek 2
12 Makine elemanları tasarımında mukavemet hesabı yapabilmek 2
13 Devre analizleri hakkında yeterli bilgi ve beceriye sahip olmak 3
14 Alanı ile ilgili konularda etik değerler hakkında bilgi sahibi olmak 4
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 40
Kısa Sınav 0 0
Ödev 0 0
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 0 0
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
Sözlü sınav 0 0
Portfolyo 0 0
Doküman İncelemesi 0 0
Performans değerlendirme 0 0
Sunum 0 0
Alan Çalışması 0 0
Vaka Çalışması 0 0
Video Kaydı 0 0
Öz değerlendirme 0 0
Akran Değerlendirme 0 0
Eşleştirme Testleri 0 0
Çoktan seçmeli test 0 0
Kısa Cevaplı test 0 0
Kontrol listeleri 0 0
Dereceleme Ölçekleri 0 0
Zihin Haritalama 0 0
Araştırma yazısı 0 0
Çevrimiçi anket 0 0
Çevrimiçi Kısa sınav 0 0
TOPLAM 0
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 15 2 30
Sınıf Dışı Ders Çalışma Süresi 15 1 15
Ödevler 15 1 15
Sunum 0 0 0
Proje 0 0 0
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Ara Sınavlar 1 1 1
Yarıyıl Sonu Sınavı 1 1 1
İşyükü Saati (30) 0
Toplam İşyükü / Saat 62    
Dersin Akts Kredisi 2    
Ders Notu Tom M. Mitchell, Machine Learning , McGraw Hill, 1997.
Diğer Kaynaklar Pierre Baldi, Søren Brunak, Bioinformatics: The Machine Learning Approach , The MIT Press, 2001.
Materyal
Dökümanlar
Ödevler
Sınavlar
Materyal Diğer
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri