CENG 463

Yapay Öğrenmeye Giriş

Otomatik öğrenme konusuna giriş ve değişik uygulama alanlarından örnekler verilmesi. Bayesçi karar kuramı. Gözetimli öğrenme teknikleri. Model seçimi. Boyut Azaltma. Öbekleme. Destek yöney makinaları. Çizgesel modeller. Sinir ağlarına giriş. Pekiştirmeli öğrenme.

Dersin Amacı

1. Yapay öğrenme konusunda temel oluşturmak

2. Yapay öğrenme ile ilgili problemleri analiz etme ve uygun çözüm yöntemlerini ayırt etme becerisini geliştirmek

3. Verilen problemleri çözmek üzere uygun çözüm algoritmalarını gerçekleme becerisi geliştirmek

Kaynakça

Ethem Alpaydın, Introduction to Machine Learning (2nd Edition), MIT Press, 2010. ,Christopher Bishop, Pattern Recognition and Machine Learning, Springer, 2006. ,Richard Duda, Peter Hart and David Stork, Pattern Classification, 2nd ed. John Wiley & Sons, 2001. ,Tom Mitchell, Machine Learning, McGraw-Hill, 1997.

Öğrenme Çıktıları

1. Yapay öğrenme konusunun temel kavramlarını açıklayabilme

2. Yapay öğrenme ile ilgili problemleri analiz etme ve uygun çözüm yöntemlerini ayırt etme

3. Karşılaşılan yapay öğrenme problemlerini çözebilecek algoritmaları uygun araçları kullanarak uygulayabilme

4. Uygulama sırasında elde edilen çıktıları algoritma yönünden yorumlayabilme

KONU
Yapay Öğrenmede Kavramlar
Bayesçi Karar Teoremi
Gözetimli Öğrenmenin Temelleri
Doğrusal Bağlanım
Mantıksal Bağlanım
Model Seçme Prosedürleri
Çok Değişkenli Sınıflandırma, Çok DEğişkenli Bağlanım
Özet ve Sınav
Boyut Azaltma ve Temel Bileşen Analizi
Öbekleme
Doğrusal Ayrım Fonksiyonları
Sinir Ağları
Gözetimli Öğrenme: Parametrik olmayan yaklaşımlar
Yapay Öğrenme Deneylerinin Tasarım ve Analizi

Notlandırma

Vize 30%

Ödev 30%

Final 40%