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