Makine Öğrenmesinin Matematiksel Temelleri(MATH 601)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| MATH 601 | Makine Öğrenmesinin Matematiksel Temelleri | 1 | 3 | 0 | 0 | 3 | 7 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Doktora |
| Dersi Veren(ler) | Ayberk ZEYTİN azeytin@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Öğrencilere makine öğrenmesi prensiplerini öğretmek ve onları veri analizi, sınıflandırma, regresyon, kümeleme ve boyut indirgeme tekniklerini uygulamaları için matematiksel araçlarla donatmak. |
| İçerik | Bu ders, makine öğrenmesi prensiplerini kapsar, özellikle matematiksel temelleri üzerinde yoğunlaşır. Öğrenciler, veri analizi, regresyon, sınıflandırma, kümeleme ve boyut indirgeme teknikleri gibi temel makine öğrenmesi konularını öğrenir ve bunları uygulamak için matematiksel araçları kullanır. |
| Dersin Öğrenme Çıktıları |
1. Veri biliminde kullanılan temel doğrusal cebirsel kavramları anlayabilme ve kullanabilme 2. Veri biliminde kullanılan temel matematiksel analiz ve optimizasyon ile ilgili kavramları anlayabilme ve kullanabilme 3. Veri biliminde kullanılan temel istatistiksel ilgili kavramları anlayabilme ve kullanabilme |
| Öğretim Yöntemleri | Dersler, Problem Çözme Oturumları |
| Kaynaklar |
Learning Theory from First Principles, Francis Bach Deep Learning, Ian Goodfellow, Yoshua Bengio and Aaron Courville High-Dimensional Probability, Vershynin Convex Optimization, Boyd ve Vandenberghe Elements of Information Theory, Cover ve Thomas Understanding Machine Learning, Shalev-Shwartz ve Ben-David Pattern Recognition and Machine Learning, Christopher Bishop, Machine Learning: A Probabilistic Perspective, Kevin Murphy |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Temel doğrusal cebir |
| 2 | Spektral teori |
| 3 | Tekil değer ayrışımı |
| 4 | Pozitif matrisler ve Perron-Frobenius kuramı |
| 5 | Temel kalkülüs |
| 6 | Konveks kümeler ve konveks fonksiyonlar |
| 7 | Konveks optimizasyon |
| 8 | Konveks olmayan optimizasyon |
| 9 | Olasılık kuramının temelleri |
| 10 | Konsantrasyon eşitsizlikleri |
| 11 | Makina öğrenmesi için ileri olasılık |
| 12 | İstatistiksel tahmin |
| 13 | yüksek boyutlu istatistik |
| 14 | Bilgi kuramının temelleri |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | ---- |
| 2 | ---- |
| 3 | ---- |
| 4 | ---- |
| 5 | ---- |
| 6 | ---- |
| 7 | ---- |
| 8 | ---- |
| 9 | ---- |
| 10 | ---- |
| 11 | ---- |
| 12 | ---- |
| 13 | ---- |
| 14 | ---- |
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 6 | 60 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
| Toplam | 7 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 0 | 0 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 |
| Proje | 0 | 0 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 6 | 60 |
| 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 |
| Bütünleme | 0 | 0 |
| Toplam | 6 | 60 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 14 | 3 | 42 |
| Ödevler | 6 | 5 | 30 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 36 | 36 |
| Kısa Sınavlar | 6 | 3 | 18 |
| 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 |
| Bütünleme | 0 | 0 | 0 |
| Ts Yıl Sonu | 0 | 0 | 0 |
| Hazırlık Yıl Sonu | 0 | 0 | 0 |
| Hazırlık Bütünleme | 0 | 0 | 0 |
| Toplam İş Yükü | 168 | ||
| Toplam İş Yükü / 25 | 6.72 | ||
| Dersin AKTS Kredisi | 7 | ||