|
|||||
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 |