Makine Öğrenmesi(VM 532)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| VM 532 | Makine Öğrenmesi | 2 | 4 | 0 | 0 | 3 | 8 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Zorunlu |
| Dersin Düzeyi | Yüksek Lisans |
| Dersi Veren(ler) | Gönenç ONAY gonay@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | bu dersin amacı, öğrencilere makine öğrenmesi ve derin öğrenme konularında sağlam bir temel sağlamaktır. Hem teorik kavramları hem de pratik uygulamaları kapsayarak, öğrenciler gerçek dünya problemlerini çözmek için çeşitli makine öğrenmesi modellerini tasarlamayı, uygulamayı ve değerlendirmeyi öğreneceklerdir. |
| İçerik | makine öğrenmesine giriş, matematiksel temeller, derin öğrenme temelleri, modellerin eğitilmesi, evrişimli ve tekrarlayan sinir ağları, GAN'lar ve otokodlayıcılar gibi ileri modeller, doğal dil işleme ve pratik proje çalışmalarını içermektedir. |
| Dersin Öğrenme Çıktıları | Dersi tamamlayan öğrenciler, makine öğrenimi ve derin öğrenme ilkelerini anlayabilecek, problemleri çözmek için çeşitli makine öğrenimi tekniklerini uygulayabilecek, Python ve ilgili kütüphaneleri kullanarak modelleri uygulayabilecek ve öğrendiklerini gösteren kendi projelerini geliştirebileceklerdir. |
| Öğretim Yöntemleri | Slides, notebooks, projects |
| Kaynaklar |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Makine öğreniminin genel bakışı, öğrenme türleri ve uygulamaları. |
| 2 | Lojistik ve Lineer Regression |
| 3 | Python ML kutuphaneleri tanitimi. |
| 4 | Yapay sinir ağlarını anlama, aktivasyon fonksiyonları ve mimari. |
| 5 | Derin öğrenmeye giriş, çerçeveler ve ortamın kurulumu |
| 6 | Derin Sinir Ağlarını Eğitme - DNN'leri eğitme teknikleri, aşırı uyumu önleme ve düzenleme. |
| 7 | Evrişimli Sinir Ağları (CNN'ler) - CNN'lerin temelleri, görüntü tanıma uygulamaları |
| 8 | Ara Sınav - 1-7. haftaları kapsayan konulardan değerlendirme |
| 9 | Tekrarlayan Sinir Ağları (RNN'ler) - RNN'lere giriş, LSTM ve uygulamaları. |
| 10 | İleri Derin Öğrenme Modelleri - GAN'lar, otoenkoderler ve pekiştirmeli öğrenmenin temellerini keşfetme. |
| 11 | Derin Öğrenme ile Doğal Dil İşleme - NLP için teknikler ve modeller |
| 12 | Zaman serisi analizi, sıralı veri için RNN'ler. |
| 13 | Proje Tartışmaları - Öğrenciler projelerini tartışma ve geri bildirim |
| 14 | Projelerin final sunumu, ozet |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 2 | 60 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
| Toplam | 3 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 0 | 0 |
| Sunum | 1 | 30 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 30 |
| Proje | 0 | 0 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Toplam | 2 | 60 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 42 | 588 |
| Sınıf Dışı Çalışma Süresi | 0 | 0 | 0 |
| Ödevler | 0 | 0 | 0 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 3 | 3 |
| Proje | 1 | 10 | 10 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 | 0 |
| Raporlar | 0 | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 | 0 |
| Seminer | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü | 601 | ||
| Toplam İş Yükü / 25 | 24.04 | ||
| Dersin AKTS Kredisi | 24 | ||