Bu dersin amacı, öğrencilere temel makine öğrenimi kavramları ve teknikleri hakkında kapsamlı bir anlayış sağlamak, çeşitli makine öğrenimi kategorilerini tanımlamalarını, k-En Yakın Komşular ve doğrusal regresyon gibi algoritmaları uygulamalarını, temel veri işleme tekniklerini kullanmalarını ve ileri metrikler ve doğrulama yöntemleri kullanarak modelleri değerlendirmelerini sağlamaktır.
- Andreas C. Müller, Sarah Guido, Introduction to Machine Learning with Python, O’Reilly
- Sebastian Raschka, Vahid Mirjalili, Python Machine Learning Third Edition, Packt Publishing Ltd.
- Wes McKinney, Python for Data Analysis Data Wrangling with Pandas, NumPy, and IPython, O’Reilly
Makine öğrenmesinin tanımı ve temel makine öğrenmesi kategorileri
Ders, uygulama
3. Hafta
k En Yakın Komşuluk algoritması
Ders, uygulama
4. Hafta
Veri önişleme ve scikit-learn e giriş
Ders, uygulama
5. Hafta
Rastgele örnekleme, ölçeklendirme and kategorik veri ile çalışma
Ders, uygulama
6. Hafta
Çapraz doğrulama ve hiperparametre arama
Ders, uygulama
7. Hafta
Lineer regresyon ve regularizasyon
Ders, uygulama
8. Hafta
Ara sınav
9. Hafta
Lineer sınıflandırma modelleri
Ders, uygulama
10. Hafta
Ağaç temelli yöntemler (Karar ağaçları ve rastgele ormanlar)
Ders, uygulama
11. Hafta
Gradient descent ve XGBoost
Ders, uygulama
12. Hafta
Model değerlendirme
Ders, uygulama
13. Hafta
Yapay Sinir Ağları
Ders, uygulama
14. Hafta
Proje sunumları
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
25
Ödevler / Dönem Ödevi / Sunum
1
15
Projeler
1
25
Final
1
35
ÖÇ-1
Makine öğreniminin ana kategorilerini ve özelliklerini tanımlar.
ÖÇ-2
k-En Yakın Komşular (k-NN) algoritmasını ve temel ilkelerini anlar.
ÖÇ-3
Öznitelik ölçeklendirme ve normalizasyon gibi işleme tekniklerini uygular.
ÖÇ-4
Makine öğreniminde kategorik verileri nasıl kullanacağını anlar.
ÖÇ-5
Model değerlendirmede çapraz doğrulamayı anlar ve uygular.
ÖÇ-6
Scikit-learn kullanarak düzenlemeli doğrusal regresyon uygular.
ÖÇ-7
Sınıflandırma için kullanılan doğrusal modellerin çalışma ilkelerini anlar.
ÖÇ-8
Karar ağaçları ve rastgele ormanların çalışma ilkelerini anlar.
ÖÇ-9
Model değerlendirme için karışıklık matrisi, ROC eğrisi ve hassasiyet-geri çağırma eğrisi gibi çeşitli teknikleri kullanır.
Program Çıktıları
PÇ-1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
PÇ-2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
PÇ-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.
PÇ-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.
PÇ-5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme veyorumlama becerisi.
PÇ-6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
PÇ-7
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.
PÇ-8
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
PÇ-9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
PÇ-10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
PÇ-11
Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ile çağın sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.