Ders Planı /

Ders Bilgileri

Dersin Kredisi
Dersin AKTS Kredisi
Dersin Öğretim Dili İngilizce
Dersin Düzeyi Lisans , TYYÇ: 6. Düzey , EQF-LLL: 6. Düzey , QF-EHEA: 1. Düzey
Dersin Türü
Dersin Veriliş Şekli Yüz-Yüze Eğitim
Ders zorunlu veya opsiyonel iş deneyimi gerektiriyor mu ?
Dersin Koordinatörü Prof. Dr. RAFET AKDENİZ
Dersi Veren(ler)
Dersin Yardımcıları

Amaç ve İçerik

Dersin Amacı Bu ders, sınıflandırma ve doğrusal regresyon gibi konulardan başlayıp güçlendirme, destek vektör makineleri, gizli Markov modelleri ve Bayes ağları gibi daha yeni konulara kadar makine öğrenimindeki birçok kavram, teknik ve algoritmaya genel bir bakış sunar. Kurs, öğrenciye modern makine öğrenimi yöntemlerinin ardındaki temel fikir ve sezgilerin yanı sıra bunların nasıl, neden ve ne zaman çalıştıklarına dair biraz daha resmi bir anlayış kazandıracaktır. Dersin temelini oluşturan tema, kapsanan yöntemlerin çoğunun temelini oluşturduğu için istatistiksel çıkarımdır.
Dersin İçeriği Dersin İçeriği Regresyon, sınıflandırma, kümeleme ve olasılıksal sınıflandırmaya yönelik bazı temel model ve algoritmaları kapsayacaktır. Doğrusal ve lojistik regresyon, düzenlileştirme, olasılıksal (Bayesian) çıkarım, SVM'ler ve sinir ağları, kümeleme ve boyutluluğun azaltılması gibi konular. Modül öncelikle Python programlama dilini kullanacak ve Python'da doğrusal cebir, olasılık teorisi ve programlamaya aşinalık varsayılacaktır.

Haftalık Ders Konuları

1Makine Öğrenimine ve Denetimli Öğrenmeye Giriş
2Doğrusal Regresyon
3Doğrusal Sınıflandırma
4Temel Genişletmeler ve Düzenleme
5Karar Ağaçları ve İlgili Yöntemler
6Model Değerlendirmesi ve Seçimi
7Sinir Ağı
8Ara Sınav
9Rastgele Orman ve Güçlendirme
10Destek Vektör Makinesi
11Denetimsiz Öğrenme
12Takviyeli Öğrenme
13Öğrenme Teorisi
14Öğrenme Teorisi

Kaynaklar

1- T1 Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong, Mathematics for Machine Learning,



Cambridge University Press (23 April 2020)



T2 Tom M. Mitchell- Machine Learning - McGraw Hill Education, International Edition



T3 Aurélien Géron Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, O'Reilly



Media, Inc. 2nd Edition



R1 Ian Goodfellow, Yoshoua Bengio, and Aaron Courville Deep Learning MIT Press Ltd,



Illustrated edition



R2 Christopher M. Bishop Pattern Recognition and Machine Learning - Springer, 2nd edition



R3 Trevor Hastie, Robert Tibshirani, and Jerome Friedman - The Elements of



Statistical Learning: Data Mining, Inference, and Prediction - Springer, 2nd edition