SEDS 537
Makine Öğrenmesi
Bu ders öğrencilere yapay öğrenme konusunun temellerini öğretmeyi ve karşılaşılan makine öğrenmesi problemlerini çözebilmek için doğru yöntemleri kullanmayı öğretecek şekilde Pratik tecrübe kazadırmayı amaçlar. İşlenecek başlıca konular: Bayesçi karar kuramı. Gözetimli öğrenme teknikleri. Model seçimi. Boyut Azaltma. Öbekleme. Destek yöney makinaları. Çizgesel modeller. Sinir ağlarına giriş. Pekiştirmeli öğrenme.
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, David Stork, Pattern Classification, 2nd Ed. John Wiley & Sons, 2001.
Dersin Amacı: Makine öğrenmesindeki güncel eğilimler konusunda öğrencileri ileri düzeye taşımak.
| Hafta | Konular |
| 1 | Yapay Öğrenmede Kavramlar |
| 2 | Bayesçi Karar Teoremi |
| 3 | Gözetimli Öğrenmenin Temelleri |
| 4 | Model Seçme Prosedürleri |
| 5 | Çok Değişkenli Sınıflandırma, Çok Değişkenli Bağlanım |
| 6 | Boyut Azaltma ve Temel Bileşen Analizi |
| 7-8 | Gözetimsiz Öğrenme |
| 9 | Doğrusal Ayrım Fonksiyonları |
| 10 | Gözetimli Öğrenme: Parametrik olmayan yaklaşımlar |
| 11 | Karar Ağaçları |
| 12-13 | Yapay Sinir Ağları |
| 14 | Pekiştirmeli Öğrenme |
Notlandırma:
Final Sınavı %40
Vize Sınavı %30
Uygulama Ödevleri %30
Ders Öğrenme Çıktıları
CO1: Yapay öğrenme konusunun temel kavramlarını açıklayabilme
CO2: Yapay öğrenme ile ilgili problemleri analiz etme ve uygun çözüm yöntemlerini ayırt etme
CO3: Karşılaşılan yapay öğrenme problemlerini çözebilecek algoritmaları uygun araçları kullanarak uygulayabilme
CO4: Uygulama sırasında elde edilen çıktıları algoritma yönünden yorumlayabilme
Program Öğrenme Çıktılarına Katkısı:
| PO1 | PO2 | PO3 | PO4 | PO5 | PO6 | PO7 | |
| CO1 | 1 | 1 | |||||
| CO2 | 1 | 1 | |||||
| CO3 | 1 | 1 | 1 | ||||
| CO4 | 1 | 1 | 1 |
Dersin Gerekçesi:
Bu ders, Yazılım Mühendisliği ve Veri Bilimi Yüksek Lisans Programı’nın seçmeli derslerinden biridir ve önemli veri bilimi seçmeli dersleri arasında yer alır. Ders, makine öğrenmesinin temel kavramlarını tanıtırken aynı zamanda karşılaşılan makine öğrenmesi problemlerini çözmek için uygun algoritma ve araçların uygulanmasına olanak tanır. Temel konular arasında denetimli ve denetimsiz öğrenme teknikleri, model seçimi, boyut indirgeme, kümeleme, sinir ağları ve pekiştirmeli öğrenme yer almaktadır. Uygulamalı alıştırmalarla birlikte öğrenciler, makine öğrenmesi problemlerini analiz edebilecek ve uygun çözüm tekniklerini belirleyebilecek yetkinliğe ulaşacaktır.
Diğer Derslerle Örtüşmesi veya Tamamlayıcılığı:
Bu ders makine öğrenmesi üzerine temel bir ders olduğundan, SEDS 538 Büyük Veri Analitiği ve SEDS 539 Derin Öğrenme gibi ileri düzey dersler için bir temel oluşturur; ancak bu derslerle önemli bir konu örtüşmesi bulunmamaktadır.