Yapay öğrenme algoritmaları arka planda ciddi bir matematik temele dayanır. Bu ders o matematiksel temelleri sağlamlaştırmayı hedefler.
Bu ders kapsamında, yapay öğrenme algoritmalarının altında yatan matematiksel temeller incelenmektedir.
Bu derste, öğrencilere daha önce lisans seviyesinde gördükleri lineer cebir, olasılık ve calculus gibi derslerle yapay öğrenme algoritmaları ile ilişkisini irdelenir.
Bu dersi başarı ile tamamlayan öğrenciler;
1. Yapay öğrenme algoritmaları için gerekli matematiksel alt yapıya sahip olur.
2.Yapay öğrenme algoritmaları ile matematiksel temeller arasındaki ilişkiyi kurma ve uygulama becerisi kazanmış oluyor.
3. Yapay öğrenme algoritmalarını sıfırdan tasarlayabilecek teorik bilgiyi kazanır.
4. Yapay Öğrenme algoritmaları ile proje geliştirme becerisi kazanmış oluyor.
5. Alanda yeni çıkan algoritmaların matematiksel temellerini kendi başına kavrayabilir.
Yüz yüze
Mathematics for Machine Learning Companion webpage to the book "Mathematics for Machine Learning". Copyright 2020 by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. Published by Cambridge University Press.
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Hafta Yapay Öğrenme için Matematik Dersine Giriş |
| 2 | Lineer Cebir |
| 3 | Analitik Geometri |
| 4 | Matrix Ayrıştırma I |
| 5 | Matrix Ayrıştırma II |
| 6 | SVM |
| 7 | Calculus I |
| 8 | Calculus II |
| 9 | Ara Sinav |
| 10 | Optimizasyon I |
| 11 | Optimizasyon II |
| 12 | Hafta Olasılık Dağılımları I |
| 13 | Hafta Olasılık Dağılımları II |
| 14 | Lineer regresyon |