|
Dersin Dili
|
İngilizce
|
|
Dersin Düzeyi
|
Yüksek Lisans
|
|
Bölümü / Programı
|
ELEKTRİK-ELEKTRONİK MÜH.(Tezli Y.Lisans)
|
|
Öğrenim Türü
|
Örgün Öğretim
|
|
Dersin Türü
|
Seçmeli
|
|
Dersin Öğretim Şekli
|
Yüz Yüze
|
|
Dersin Amacı
|
Bu dersin amacı, öğrencilere makine öğrenmesinin temel kavramlarını, yöntemlerini ve uygulama alanlarını tanıtmaktır. Ders kapsamında öğrencilerin; denetimli ve denetimsiz öğrenme yaklaşımlarını, regresyon, sınıflandırma, kümeleme, karar ağaçları, destek vektör makineleri ve yapay sinir ağları gibi temel algoritmaları kavramaları hedeflenmektedir. Ayrıca öğrencilerin veri ön işleme, model seçimi, aşırı öğrenme, genelleme başarımı ve model değerlendirme konularında bilgi sahibi olmaları ve temel makine öğrenmesi problemlerine uygun yöntemleri seçip uygulayabilmeleri amaçlanmaktadır.
|
|
Dersin İçeriği
|
Makine öğrenmesine giriş; veri ön işleme ve veri analizi; denetimli ve denetimsiz öğrenme yaklaşımları; regresyon ve sınıflandırma yöntemleri; karar ağaçları, k-en yakın komşu, Naive Bayes, destek vektör makineleri ve yapay sinir ağları; kümeleme ve boyut indirgeme yöntemleri; model seçimi, çapraz doğrulama, aşırı öğrenme ve genelleme; performans ölçütleri ve model değerlendirme; temel derin öğrenme yaklaşımları ve makine öğrenmesi algoritmalarının mühendislik problemlerine uygulanması.
|
|
Dersin Yöntem ve Teknikleri
|
Ders; teorik anlatım, problem çözme, örnek veri setleri üzerinden uygulama, algoritma karşılaştırmaları ve proje/ödev çalışmaları ile yürütülür. Öğrencilerin makine öğrenmesi algoritmalarını kavramaları için sınıf içi tartışmalar, bilgisayar destekli uygulamalar, kodlama örnekleri ve model performansı değerlendirme çalışmaları kullanılır. Ders kapsamında öğrencilerin temel makine öğrenmesi yöntemlerini gerçek veya örnek mühendislik problemleri üzerinde uygulamaları beklenir.
|
|
Ön Koşulları
|
Yok
|
|
Dersin Koordinatörü
|
Yok
|
|
Dersi Verenler
|
Prof.Dr. Ergun Erçelebi ercelebi@gantep.edu.tr
|
|
Dersin Yardımcıları
|
Yok
|
|
Dersin Staj Durumu
|
Yok
|
Ders Kaynakları
|
Kaynaklar
|
Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd Edition, O’Reilly Media. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd Edition, Springer. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. Alpaydın, E. (2020). Introduction to Machine Learning. 4th Edition, MIT Press.
|
|
Ders Notları
|
Ders notları; haftalık konu anlatım sunumları, örnek problem çözümleri, makine öğrenmesi algoritmalarına ilişkin uygulama dokümanları ve örnek veri setleri üzerinden yapılan çalışmalar şeklinde paylaşılacaktır. Öğrencilerin derse gelmeden önce ilgili haftanın konusunu incelemeleri ve uygulamalı çalışmalar için temel programlama bilgisine sahip olmaları beklenir.
|
Ders Yapısı
|
Matematik ve Temel Bilimler
|
%30
|
|
|
Mühendislik Bilimleri
|
%10
|
|
|
Mühendislik Tasarımı
|
%20
|
|
|
Alan Bilgisi
|
%10
|
|
|