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
N/A
Eş Koşullar
N/A
Özel Koşullar
Temel programlama bilgisi (Tercihen: Python)
Öğretim Üyeleri
Dr.Elanur TÜRKÜZ
Asistanlar
Kübra Karacan Uyar
Ders Gün,Saat ve Yeri
Ders bu yarıyıl açılmamıştır
Görüşme Saatleri ve Yeri
Çarşamba 17:00 sonrası
Öğretim Yöntem ve Teknikleri
Applications
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
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
Ara sınav
9. Hafta
Ara sınav
10. Hafta
Karar Ağaçları ve İyileştirme Yöntemleri (CART, RF ve GBC)
Uygulama
11. Hafta
Gözetimsiz Öğrenme ve Kümeleme
Uygulama
12. Hafta
Derin Öğrenme ve Yapay Sinir Ağları-1
Uygulama
13. Hafta
Derin Öğrenme ve Yapay Sinir Ağları-2
Uygulama
14. Hafta
Derin Öğrenme ve Yapay Sinir Ağları-3
Uygulama
15. Hafta
Final
16. Hafta
Final
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ödevler / Dönem Ödevi / Sunum
1
50
Final
1
50
ÖÇ-1
Bilgisayar programlama ile karmaşık işleri bilgisayar yardımıyla hızlı ve kolayca yapabilmek
ÖÇ-2
Veri toplamak, bir araya getirmek ve işlemek
ÖÇ-3
Verilerden anlam çıkarabilmek
ÖÇ-4
Verileri tahminleme amacıyla kullanabilmek
ÖÇ-5
Yapay zeka uygulamaları geliştirebilmek
Program Çıktıları
PÇ-1
Having basic theoretical knowledge about business
PÇ-2
Able to have interest, curiosity and research competence by using the information learned during his education,
PÇ-3
Having an interdisciplinary and inquisitive approach to business problems, being able to integrate quantitative and qualitative data with mathematical and statistical models, and having analytical thinking ability,
PÇ-4
Able to see businesses as a whole based on a system approach, have knowledge of defining, designing and modeling business problems, use the latest technologies and interpret the results obtained,
PÇ-5
Able to understand changes in environmental conditions to ensure long-term corporate sustainability; Able to develop corporate, business and functional strategies that adapt to the environment; Able to implement and control strategies,
PÇ-6
As a leader and team member, being prone to group work, being able to take responsibility proactively, and being able to take initiative in solving technical and managerial problems that require high-level equipment,
PÇ-7
Able to synthesize theoretical and practical knowledge in the field of business by using at least one foreign language at an advanced level, verbally and in writing, and successfully manage communication in businesses,
PÇ-8
Able to develop and use skills for social relations such as effective oral and written communication, empathy and listening skills, relationship management and persuasion skills, negotiation skills,
PÇ-9
Research for the business management discipline produces graduates who can effectively use advanced computer programs preferred in fields such as accounting, finance, human resources, production and project management.