• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS CSE 5007 Makina Öğrenmesi ve Akıl Yürütme SEÇMELİ 3 0 0 9

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. RECEP ALP KUT

Dersi Alan Birimler

Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İngilizce) Bilgisayar Mühendisliği Bütünleşik Doktora (İngilizce) Bilgisayar Mühendisliği Yüksek Lisans (İngilizce) Bilgisayar Mühendisliği Doktora (İngilizce) Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö) (İngilizce) Biyomedikal Teknolojiler Yüksek Lisans (İngilizce) İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora İleri Biyomedikal Teknolojiler Sanayi Ortak Bütünleşik Doktora

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Öğrenmenin üç türünü (denetimli, takviye ve denetimsiz) tanımlayabilme 2   Temel öğrenme tekniklerini (Karar ağaçları, Bayes Öğrenme, Yapay Sinir Ağları, Genetik Algoritmalar vb) tanımlayabilme 3   Belirli bir problemi çözmek için hangi makine öğrenme tekniğinin uygun olduğunu belirleyebilme 4   Bir makine öğrenme modeli tasarlayabilme 5   Basit bir makine öğrenme algoritmasını uygulayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Makine Öğrenmesi Giriş 2 Makine Öğrenmesi temel kavramları ve konuları 3 Öğrenme (Denetimli, Denetimsiz, Takviyeli) 4 Gerçek makine öğrenme uygulamaları 5 Bayes Öğrenme: Bayes Teoremi, Naive Bayes Sınıflandırıcı 6 Karar Ağacı Öğrenmesi 7 Yapay Sinir Ağları 8 Genetik Algoritma 9 Örnek Tabanlı Öğrenme: K-En Yakın Komşu 10 Takviyeli Öğrenme 11 Denetimsiz Öğrenme: Kümeleme 12 Öz Düzenleyici Özellik Haritası 13 Sunumlar 14 Sunumlar

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders Anlatımı, Araştırma, Uygulama Geliştirme, Sunum, Dönem Projesi

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 SUN SUNUM 3 YSBN YIL SONU BAŞARI NOTU ODV * 0.50 + SUN * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 14 3 42 Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28 Proje Hazırlama 1 65 65 Sunum Hazırlama 1 50 50 Rapor hazırlama 1 40 40 TOPLAM İŞ YÜKÜ (saat) 225

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 PK.11 ÖK.1 5 ÖK.2 4 4 4 ÖK.3 5 3 3 4 4 4 ÖK.4 4 4 3 4 ÖK.5 4 4