BYM447 Makine ÖğrenmesiKurumsal BilgilerAkademik Programlar Mekatronik MühendisliğiÖğrenciler İçin BilgilerDiploma EkiErasmus BeyanıUlusal Yeterlilikler
Mekatronik Mühendisliği

Önizleme

Lisans TYYÇ: 6. Düzey QF-EHEA: 1. Düzey EQF-LLL: 6. Düzey

Course General Introduction Information

Ders Kodu: BYM447
Course Name: Makine Öğrenmesi
Ders Yarıyılı: Güz
Ders Kredileri:
AKTS
6
Öğretim Dili:
Ders Koşulu:
Ders İş Deneyimini Gerektiriyor mu?: Hayır
Dersin Türü: Bölüm Seçmeli
Dersin Seviyesi:
Lisans TYYÇ:6. Düzey QF-EHEA:1. Düzey EQF-LLL:6. Düzey
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr.Öğr.Üyesi NAZLI TOKATLI
Dersi Veren(ler): Meryem Uzun Per
Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı: Bu derste makine öğrenmesinin temelleri öğretilecektir. Böylece öğrenciler çeşitli verisetleri üzerinde çeşitli makine öğrenmesi algoritmaları uygulayabilecek ve veriden öğrenen sistemler geliştirebilecektir.
Dersin İçeriği: Veri setini hazırlama, Öznitelik çıkarımı, Ölçme ve Değerlendirme, Sınıflandırma yötemleri, Demetleme Yöntemleri, Öznitelik seçme metotları, Boyut indirgeme metotları

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Makine öğrenmesinin temellerini öğrenme
2) Makine öğrenmesi algoritmalarının matematiksel alt yapılarını anlama
3) Makine öğrenmesi algoritmalarını gerçek Dünya problemlerine uyarlayabilme
4) Öznitelik çıkarma, seçme, boyut indirgeme yaklaşımlarını kullanma
5) Probleme uygun olarak doğru modeli belirleyebilme
6) Uygulanan yöntemlerin başarılarını ve performanslarını değerlendirebilme ve karşılaştırabilme

Ders Akış Planı

Hafta Konu Ön Hazırlık
1) Makine Öğrenmesine Giriş -
2) Veri setini hazırlama, Öznitelik çıkarımı, Ölçme ve Değerlendirme Referans Kitap
3) Sınıflandırma yötemleri - K-NN "
4) Sınıflandırma yötemleri - Naive Bayes Sınıflandırıcı, Bayesian networks "
5) Sınıflandırma yötemleri - Doğrusal regresyon "
6) Sınıflandırma yötemleri - Karar ağaçları "
6) Sınıflandırma yötemleri - Karar ağaçları "
7) Sınıflandırma yöntemleri - Destek Vektör Makinaları "
8) Midterm Ders notları, referans kitap
9) Demetleme Yöntemleri - K-means "
10) Demetleme Yöntemleri - Hierarchical Clustering "
11) Öznitelik Seçme Metotları "
12) Boyut İndirgeme Metotları "
13) Yapay Sinir Ağları "
14) Proje Sunumları -
15) Final Sınavı Ders notları, kitaplar, uygulamalar

Kaynaklar

Ders Notları / Kitaplar: Slaytlar üzerinden dersler işlenip, uygulamalar yapılır.
Diğer Kaynaklar: Alpaydin, E. (2020). Introduction to machine learning. MIT press.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok 1 En Düşük 2 Orta 3 En Yüksek
       
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi
2) Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
3) Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
4) Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
5) Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
6) Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
7) Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
8) Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
9) Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
10) Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
11) Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.

Öğrenme Etkinliği ve Öğretme Yöntemleri

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama)
Sözlü sınav
Ödev
Uygulama
Bireysel Proje
Sunum
Raporlama

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Kurul-Committee 3 % 0
Ödev 1 % 10
Ara Sınavlar 1 % 40
Final 1 % 50
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 50
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 50
Toplam % 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler Aktivite Sayısı Aktiviteye Hazırlık Aktivitede Harçanan Süre Aktivite Gereksinimi İçin Süre İş Yükü
Ders Saati 14 3 42
Sunum / Seminer 1 3 3
Ödevler 1 30 30
Rapor Teslimi 1 30 30
Final 1 2 2
Toplam İş Yükü 107