Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
BİL 3112	Makine Öğrenimi	SEÇMELİ	3	0	0	5

Dersi Veren Birim

Bilgisayar Bilimleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ KADRİYE FİLİZ BALBAL

Dersi Alan Birimler

Bilgisayar Bilimleri

Dersin Amacı

Dersin Öğrenme Kazanımları

1	Öğrenme ve çıkarsama konuları hakkında bilgiye sahip olabilme.
2	Makine Öğrenme tekniklerinin teorisi hakkında bilgi sahibi olabilme.
3	Makine Öğrenme tekniklerini uygulayabilme.
4	Algoritmik çözüm yöntemlerinden faydalanabilme.
5	Makine öğrenme tekniklerinin farklılıkları ve benzerliklerini iyi kavrayabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Makine öğrenmesi konusunda temel kavramlar, öğrenme çeşitleri
2	Sınıflandırma Modelinin Performans Değerlendirilmesi (Sensitivity, Specificity, ErrorRate, Confusion Matrix)
3	Sınıflandırma Algoritmaları
4	Sınıflandırma Algoritmaları
5	Bayes Teoremi ve Naive Bayes Sınıflayıcı
6	Benzerlik ve Uzaklık Ölçütleri
7	Uygulamalar
8	En Yakın Komşuluk Algoritması
9	Yapay Sinir Ağları
10	Yapay Sinir Ağları
11	Regresyon Çözümlemesi
12	Regresyon Çözümlemesi
13	Sunumlar
14	Sunumlar

Ders İçin Önerilen Kaynaklar

Ana kaynak: S. Haykin, Neural Networks and Learning Machines, 3rd ed., Prentice Hall, 2009
Yardımcı kaynaklar: Tom M. Mitchell, Machine Learning, McGraw Hill, 1997

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı ve sunum

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	OD	Ödev
2	FN	Final
3	BNS	BNS	OD * 0.40 + FN * 0.60
4	BUT	Bütünleme Notu
5	BBN	Bütünleme Sonu Başarı Notu	OD * 0.40 + BUT * 0.60

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar