Lisans
İktisadi ve İdari Bilimler Fakültesi
Girişimcilik
Anlık RSS Bilgilendirmesi İçin Tıklayınız.Düzenli bilgilendirme E-Postaları almak için listemize kaydolabilirsiniz.


MAKİNE ÖĞRENMESİNE GİRİŞ

Ders KoduYarıyıl Ders Adı T/U/L Türü Öğrenim Dili AKTS
IIBF0103 - MAKİNE ÖĞRENMESİNE GİRİŞ 2/0/0 SA Türkçe 4
Dersin Amacı
 Makine öğrenme ve yapay zeka yöntemlerinin teorik temellerini öğreterek örüntü tanıma problemlerinde kullanma becerisi kazandırmak.
 
Bu dersi başarıyla tamamlayan öğrenciler:
 
Sığ/derin, Parametrik/non-parametrik, gözetimli/gözetimsiz makine öğrenme yöntemleri türlerini ve aralarındaki farkları bilecek,
En sık kullanılan öğrenme algoritmaları hakkında teorik ve uygulama bilgisine sahip olacak
Farklı veri tiplerinde hangi amaçla hangi algoritmaları kullanabileceğini ayırt etme becerisini kazanacak
Python scikitlearn ve keras kütüphaneleriyle sığ ve derin öğrenme uygulaması yapabileceklerdir.
 
Ön Koşullar Yok
Eş Koşullar Yok
Özel Koşullar Temel düzeyde programlama bilgisi (tercihen Python)
Öğretim Üyeleri Öğr. Gör. Dr. Tevfik Uyar
Asistanlar
Ders Gün,Saat ve Yeri Çarşamba 11:00-13:00 BK LAB-01
Görüşme Saatleri ve Yeri Çarşamba ders sonrası
Öğretim Yöntem ve Teknikleri Uygulama
Temel Kaynaklar
E. Alpaydın (2011), Yapay Öğrenme, Boğaziçi Üniversitesi Yayınları, ISBN: 9786054238491
 
A.C.Müller, S.Guido (2016), Introduction to Machine Learning with Python, O’Reilly, ISBN: 9781449369415
Diğer Kaynaklar Ders notları

www.veridefteri.com
Haftalık Ders Programı
Hafta Dersin İçeriği Öğretim Yöntem ve Teknikleri
1. Hafta Makine öğrenmesiyle ilgili temel kavramlar, veriyle çalışma ve veri hazırlama Anlatım
2. Hafta Python Anaconda dağıtımı, Jupyter kullanımı ve gerekli kütüphanelerin tanıtımı Anlatım
3. Hafta Lineer regresyon ve çoklu regresyon Uygulama
4. Hafta kNN, öznitelik seçimi, sınıflama performansı Uygulama
5. Hafta Navie Bayes sınıflandırma Uygulama
6. Hafta Lojistik Regresyon Uygulama
7. Hafta Destek Vektör Makineleri Uygulama
8. Hafta Arasınav sınav
9. Hafta Arasınav sınav
10. Hafta Karar Ağaçları ve İyileştirme Yöntemleri (CART, RF ve GBC) Uygulama
11. Hafta Boyut Azaltma ve Temel Bileşen Analizi Uygulama
12. Hafta Ödev Sunumları Öğrenci sunumları
13. Hafta Derin Öğrenme ve Yapay Sinir Ağları-1 Uygulama
14. Hafta Derin Öğrenme ve Yapay Sinir Ağları-2 Uygulama
15. Hafta Derin Öğrenme ve Yapay Sinir Ağları-3 Uygulama
16. Hafta final sınav
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri Adet Yüzdesi(%)
Ödevler / Dönem Ödevi / Sunum 1 50
Final 1 50


ÖÇ-1Bilgisayar programlama sayesinde karmaşık problemleri hızlı ve kolay biçimde çözmek
ÖÇ-2Veri toplamak, bir araya getirmek ve işlemek
ÖÇ-3Verilerden anlam çıkarabilmek
ÖÇ-4Veriyi tahminleme amacıyla kullanabilmek
ÖÇ-5Yapay zeka uygulamaları geliştirebilmek
Program Çıktıları
PÇ-1Girişimcilik kuramı çerçevesinde girişimcilik kavramını ve türlerini tarihi gelişimi içinde tanımlar
PÇ-2Kişisel ve kurumsal yenilikçilik ve yaratıcılığı geliştirme yolları hakkında farkındalık geliştirir
PÇ-3KOBİ yönetiminin ve sorunlarının Büyük İşletme yönetiminden ve sorunlarından farklı yanlarını ayırt eder.
PÇ-4Yeni iş kurmak için iş planı tasarlar.
PÇ-5Yeni kurulan işletmelerin kurumsallaşma sürecini değerlendirir.
PÇ-6Girişimcilik ile ilgili edindiği bilgi ve beceriyi kariyer yaşamında kullanır ve iş yeri ortamında uygular.
PÇ-7Sosyal sermaye ve iletişim yetkinliği sayesinde yeni bir işi sosyal çevrede açıklar.
PÇ-8Eğitim hayatı boyunca edindiği yenilik ve inovasyon bilgisini güncel bilgilerle yorumlar ve iş yaşamına uyarlar.
PÇ-9Girişimcilik konusunda edindiği temel ve güncel bilgiler sayesinde, girişimcilik desteklerine nasıl ulaşılacağını saptar, girişimcilik ekosisteminde yaşanan değişim ve paradigma kaymaları hakkında tahminde bulunur.
PÇ-10Alanında elde ettiği kavramsal ve bilişsel bilgiyi, iş yaşamının gerektirdiği uzmanlık bilgisi ile birleştirir.
Alan Yeterlilikleri Matrisi
Program Çıktıları - Öğrenim Çıktıları Matrisi
--
 PÇ 1PÇ 2PÇ 3PÇ 4PÇ 5PÇ 6PÇ 7PÇ 8PÇ 9PÇ 10
ÖÇ 1          
ÖÇ 2          
ÖÇ 3          
ÖÇ 4          
ÖÇ 5