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, Arş. Gör. Pınar Sarp
Asistanlar
Ders Gün,Saat ve Yeri
Ders bu yarıyıl açılmamıştır
Görüşme Saatleri ve Yeri
Cuma 15:00'ten sonra
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
İşletme ile ilgili temel teorik bilgiye sahip olur.
PÇ-2
Eğitimi süresince öğrenmiş olduğu bilgileri kullanarak ilgi, merak ve araştırma yetkinliğine sahip olur.
PÇ-3
İşletme problemlerine disiplinlerarası ve sorgulayıcı yaklaşan, nicel ve nitel verileri matematiksel ve istatistiksel modellerle entegre edebilen, analitik düşünme kabiliyetine sahip olur.
PÇ-4
İşletmeleri sistem yaklaşımı esasında bir bütün olarak görebilen, işletme problemlerini tanımlama, tasarlama ve modelleme konusunda bilgi sahibi, son model teknolojileri kullanabilen ve elde edilen sonuçları yorumlayabilir.
PÇ-5
Uzun dönemde kurumsal sürdürülebilirliği sağlamak için çevresel şartlardaki değişimleri anlayabilen; çevreye uyum sağlayıcı kurumsal, işletme ve işlevsel stratejiler geliştirebilen; stratejileri uygulayabilen ve kontrol edebilir.
PÇ-6
Bir lider ve takım üyesi olarak, grup çalışmasına yatkın olma proaktif biçimde sorumluluk alabilme, üst seviyede donanım isteyen teknik ve yönetsel problemlerin çözümünde inisiyatif alabilir.
PÇ-7
En az bir yabancı dili sözlü ve yazılı olarak ileri derecede kullanarak işletme alanındaki teorik ve pratik bilgileri sentezleyebilme ve işletmelerde iletişimini başarı ile yönetebilir.
PÇ-8
Etkili sözlü ve yazılı iletişim, empati ve dinleme becerisi, ilişki yönetimi ve ikna kabiliyeti, müzakere becerisi gibi sosyal ilişkilere yönelik becerileri geliştirme ve kullanabilir.
PÇ-9
İşletme yönetimi disiplini için araştırma, muhasebe, finans, insan kaynakları, üretim ve proje yönetimi gibi alanlarda tercih edilen ileri düzeydeki bilgisayar programlarını etkili şekilde kullanabilen mezunlar verir.