Nevşehir Hacı Bektaş Veli Üniversitesi Bilgi Paketi
|
|||||
| Sınıf/Yarıyıl | 1 / Bahar | ||||
| Ders Düzeyi | Doktora | ||||
| Ders Türü | Seçmeli | ||||
| Bölümü | ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA (ÖNERİLEN PROGRAM) | ||||
| Ön Koşul Dersleri | Yok | ||||
| Öğretim Sistemi | Örgün | ||||
| Ders Süresi | 14 Hafta | ||||
| Öğretim Elemanı | UĞUR SORGUCU (sorgucu@nevsehir.edu.tr) | ||||
| Diğer Öğretim Elemanı/Elemanları |
|||||
| Öğretim Dili | Türkçe | ||||
| Sınıf Dışı Uygulama/Staj | Yok | ||||
| Dersin Amacı | |||||
| Bu dersin amacı öğrencinin Bayes karar teorisi, doğrusal ayırtaçlar, karar ağaçları, en yakın komşu kümelemesi, yapay sinir ağları, destek vektör makineleri ve regresyon makineleri gibi makine öğrenme algoritmalarının öğrenmesini sağlamaktır. | |||||
| Ders Öğrenme Çıktıları (DÖÇ) | PÇ | ODY | |
| Bu dersi başarı ile tamamlayan öğrenciler: | |||
| DÖÇ-1 |
PÇ-1 Elektrik Elektronik Mühendisliği disiplinine özgü konularda bilimsel araştırmalar yaparak, bu bilgilerin yorumlanması ve uygulama becerilerinin kazanılması. PÇ-2 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisine sahiptir. PÇ-3 Belirli, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlama ve uygulama; değişik disiplinlere ait bilgileri bir arada kullanma becerisi. PÇ-4 Ulusal ve uluslar arası boyutta bireysel olarak ve çok disiplinli takımlarda etkin beceri, sorumluluk alma özgüveni ve takım çalışması yapar. |
Yazılı Sınav Performans Ödevi |
|
| PÇ: Bölüm program çıktıları ÖDY: Ölçme ve değerlendirme yöntemi |
|||
| Dersin İçeriği | ||
| Bu ders parametrik ve parametrik olmayan sınıflandırma ve regresyon araçları, bu algoritmalarının teorisini ve algoritmik uygulamalarını içermektedir. | ||
| Haftalık Detaylı Ders İçeriği | ||
| Hafta | Detaylı İçerik | Öğretim Yöntem ve Teknikleri |
| 1 | Parametrik ve parametrik olmayan makine öğrenme yöntemleri | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 2 | Karar Ağaçları | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 3 | Olasılık Modelleri ve Naive Bayes algoritması | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 4 | Doğrusal Çoklu Regresyon | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 5 | Doğrusal modeller ve perseptron algoritması | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 6 | Yapay Sinir Ağları | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 7 | Yapay sinir ağları ve geri yayılım yöntemiyle öğrenme | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 8 | Ara Sınav | |
| 9 | Geniş marjin sınıflandırıcıları ve Lagranj optimizasyonu | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 10 | Doğrusal olmayan regresyon yöntemleri | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 11 | Bayes Ağları | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 12 | Bayes Ağları ve inanç yayılım algoritması | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 13 | Özellik Seçimi | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 14 | Özellik Çıkarımı | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 15 | Kalite ölçüm kriterleri | Anlatım, soru-cevap, tartışma (uzaktan eğitim) |
| 16 | Final Sınavı | |
| Ders Kitabı / Yardımcı Kitap | ||
| 1 | Pattern Recognition and Machine Learning, Christopher Bishop, Springer | |
| 2 | Deep Learning with Python, Francois Chollet, Manning | |
| 3 | Sinan UĞUZ, MAKİNE ÖĞRENMESİ Teorik Yönleri ve PYTHON Uygulamaları ile Bir YAPAY ZEKA Ekolü, Nobel Akademik Yayıncılık | |
| Ders Araç - Gereç ve Malzemeleri | ||
| Ders Kitabı Dizüstü Bilgisayar | ||
| Ölçme Yöntemi | |||
| Yöntem | Hafta | Süre (Saat) | Katkı(%) |
| Ara Sınav | 8 | 2 | 40 |
| Diğer Ölçme Yöntemleri | |||
| 1.Sözlü Sınav | |||
| 2.Kısa Sınav (Quiz) | |||
| 3.Laboratuvar Sınavı | |||
| 4.Sunum | |||
| 5.Rapor | |||
| 6.Seminer | |||
| 7.Performans Ödevi | |||
| 8.Dönem Ödevi | |||
| 9.Proje | |||
| Final Sınavı | 16 | 2 | 60 |
| Öğrenci İş Yükü | |||
| İşlem Adı | Haftalık Saat | Sayı | İş Yükü |
| Haftalık Ders Saati (Teorik+Uygulama) | 3 | 14 | 42 |
| Sınıf Dışı Çalışma | |||
| a) Okuma | 3 | 10 | 30 |
| b) İnternette/Kütüphanede Tarama | 3 | 10 | 30 |
| c) Performans Ödevi | 0 | ||
| d) Seminer/Sunum/Rapor Hazırlama | 0 | ||
| e) Dönem Ödevi/Proje Hazırlama | 0 | ||
| Sözlü Sınav | 0 | ||
| Kısa Sınav (Quiz) | 0 | ||
| Laboratuvar Sınavı | 0 | ||
| Ara Sınav İçin Hazırlık | 4 | 9 | 36 |
| Ara Sınav | 3 | 1 | 3 |
| Final Sınavı İçin Hazırlık | 4 | 9 | 36 |
| Final Sınavı | 3 | 1 | 3 |
| 0 | |||
| 0 | |||
| Toplam İş Yükü | 180 | ||