Dersi Veren Fakülte \ Bölüm
Mühendislik Fakültesi \ Yapay Zeka Mühendisliği
Kredi
AKTS
Ders Türü
Öğretim Dili
BİL 113, BİL 245, BİL 345
Yapay Zeka Mühendisliği Lisans Programı
Bu ders yapay öğrenmeye geniş bir giriş sunar. Konular arasında gözetimli öğrenme, gözetimsiz öğrenme, öğrenme teorisi ve takviye öğrenme bulunur. Bunlara ek olarak, bazı güncel uygulamalar da tartışılacaktır.
Ders Kitapları ve/veya Kaynaklar
G. James, D. Witten, T. Hastie, R. Tibshirani. Introduction to Statistical Learning, Springer, 2014.
T. Mitchell. Machine Learning. McGraw Hill, 1997.
Dersin amacı öğrencilere yapay öğrenmenin temellerini öğretmek ve bazı uygulamaları göstermektir.
1. Yapay öğrenme kavramı ve terminolojiyi öğrenmek
2. Bazı temel yapay öğrenme yöntemlerini tanımak.
3. Model seçimi ve düzenleştirmeyi öğrenmek.
4. Farklı problem türlerinde uygun yapay öğrenme modellerin seçimi ve probleme uyarlanmasını öğrenmek
5. Denetimli, denetimsiz, takviyeli öğrenme konularını öğrenmek
6. Bir veri kümesi üzerinde farklı yapay öğrenme modelleri kullanarak eğitim, test ve analiz yapabilmek
1. Hafta: Giriş, temel konular.
2. Hafta: Kavram öğrenme
3. Hafta: Doğrusal regresyon, sınıflandırma
4. Hafta: Tekrar örnekleme yöntemleri
5. Hafta: Doğrusal model seçimi ve düzenleştirme
6. Hafta: Karar ağaçları, destek vektör makineleri
7. Hafta: Olasılıksal modeller
8. Hafta: Sinir ağları
9. Hafta: Gözetimsiz öğrenme, topluluk yöntemleri
10. Hafta: Öğrenme teorisi
11. Hafta: Takviyeli öğrenme
12. Hafta: Yapay öğrenme uygulamaları
Referans Değerlendime Ölçütleri
• Ara Sınav % 20
• Final % 25
• Ödev % 25
• Proje % 30
|
Program Çıktısı
*
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
|
| 6 |
|
|
|
|
|
|
|
|
|
|
|