ÇANKIRI KARATEKİN ÜNİVERSİTESİ - Bologna Bilgi Sistemi


  • Ders Tanımı
  • Ders Adı Kodu Yarıyıl Teori+Uygulama (Saat) Havuz Statü AKTS
    Makine Öğrenmesi BİL321 GÜZ-BAHAR 3+0 Fakülte S 6
    Öğrenme Çıktıları
    1-Makine öğrenmesi temellerini tanır.
    2-Çok bilinen eğitmenli, eğitmensiz, yarı-eğitmenli öğrenme algoritmalarını uygular.
    3-Makine öğrenmesi tekniklerini gerçek dünya problemlerine uygular.
    4-Makine öğrenmesi ile ilgili bir konuda proje yapar.
  • AKTS / İŞ YÜKÜ TABLOSU
  • EtkinlikKatkı Yüzdesi

    (100)

    SayısıSüresi (Saat)Toplam İş Yükü (Saat)
    Ders Süresi (Hafta x Ders Saati)14342
    Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme)14456
    Ödevler0000
    Kısa Süreli Sınavlar (sınav + hazırlık) 0000
    Ara Sınavlar (sınav + hazırlık)3011010
    Proje3015050
    Laboratuar 0000
    Yarıyıl Sonu Sınavı (sınav + hazırlık) 4011010
    Diğer 0000
    Toplam İş Yükü(Saat)   168
    Toplam İş Yükü(Saat)/ 30 (s)     5,6 ---- (6)
    Dersin AKTS Kredisi   6
  • Ders Akışı
  • Hafta Konular Ön Hazırlık
    1 Makine Öğrenimine Giriş K1- Bölüm-1
    2 Denetimli Öğrenme K1- Bölüm-2
    3 Doğrusal ve Lojistik Regresyon K1- Bölüm-10, K2- Bölüm-3,4
    4 Naive Bayes Teoremi K1- Bölüm-3
    5 Karar Ağacı K1- Bölüm-9
    6 Rastgele Orman K1- Bölüm-9
    7 Temel bileşenler Analizi K1- Bölüm-6
    8 Destek Vektör Makineleri K1- Bölüm-10
    9 AdaBoost K1- Bölüm-8
    10 Yapay Sinir Ağları K1- Bölüm-11
    11 Denetimsiz Öğrenme K1- Bölüm-12
    12 Öbekleme: K-means, Karışım modelleri K1- Bölüm-13
    13 Makine Öğrenimi Deneylerinin Tasarımı ve Analizi - I K1- Bölüm-19
    14 Makine Öğrenimi Deneylerinin Tasarımı ve Analizi - II K1- Bölüm-19
    Ön Koşul -
    Ders Dili Türkçe
    Dersin Sorumlusu Doktor Öğretim Üyesi Selim Buyrukoğlu
    Dersi Verenler -
    Ders Yardımcıları -
    Kaynaklar K1. Alpaydin, E. (2010). Introduction to machine learning. MIT press. K2. Christopher, M. B. (2006). Pattern Recognition and Machine Learning. Springer.
    Yardımcı Kitap YK1. VanderPlas, J. (2016). Python data science handbook: Essential tools for working with data. (1th ed.). O`Reilly Media Press.
    Dersin Amacı Makine Öğrenmesi konuları hakkında temel bilgilerin verilmesi ve uygulama örnekleri ile birlikte öğretilmesidir.
    Dersin İçeriği Makine Öğrenimine Giriş, Denetimli Öğrenme, Doğrusal ve Lojistik Regresyon, Naive Bayes Teoremi, Rastgele Orman, Destek Vektör Makineleri, Yapay Sinir Ağları, Denetimsiz Öğrenme, Makine Öğrenimi Deneylerinin Tasarımı ve Analizi
  • Program Yeterlilik Çıktıları
  • Program Yeterlilik Çıktıları Katkı Düzeyi
    1 Matematik, Fen bilimleri ve Mühendislik alanında edinilen bilgilerin Bilgisayar Mühendisliği problemlerinin çözümü ve modellenmesine yönelik kullanımı becerisi 5
    2 Mühendislik problemlerini tanımlama, modelleme ve uygun analiz yöntemlerini seçip uygulayarak çözme becerisi 4
    3 Mühendislik araştırmaları kapsamında deney tasarlama, uygulama ve elde edilen verileri analiz ederek yorumlayabilme becerisi 3
    4 Belirli bir amaca yönelik bir sistem, sistem parçası ya da prosesi, mevcut ekonomik ve teknik imkanlar dahilinde tasarlayabilme becerisi 5
    5 Modern mühendislik tekniklerinden ve bilişim teknolojilerinden etkin şekilde faydalanabilme becerisi 4
    6 Mesleki ve etik sorumluluk bilinci edinme -
    7 Bireysel veya disiplin içi/disiplinler arası takımlarda çalışabilme yeteneği -
    8 Etkin sözlü ve yazılı iletişim kurma becerisi -
    9 Yaşam boyu öğrenme bilinci edinme ve bu kapsamda bilim ve teknolojideki gelişmeleri takip ederek kendini sürekli yenileme becerisi -
    10 İş hayatı, sağlık, güvenlik ve çevre bilinci edinme -
    11 Girişimcilik, yenilikçilik ve çağın sorunları hakkında bilgi sahibi olmak -
    Çankırı Karatekin Üniversitesi  Bilgi İşlem Daire Başkanlığı  @   2017 - Webmaster