IES 511 | Ders Tanıtım Bilgileri

Dersin Adı
Otomatik Öğrenme
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
IES 511
Güz/Bahar
3
0
3
7.5

Ön Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Seçmeli
Dersin Seviyesi
Yüksek Lisans
Dersin Koordinatörü -
Öğretim Eleman(lar)ı -
Yardımcı(lar)ı -
Dersin Amacı Otomatik öğrenme, deneyim ile otomatik olarak kendini geliştirebilen bilgisayar programlarının nasıl tasarlanacağı ile ilgilidir. Son yıllarda, sahte kredi kartı işlemlerini bulmaya çalışan veri madenciliği uygulamalarından, halka açık yollarda sürüş yapabilen otonom araçlara kadar değişen bir çok başarılı uygulama tasarlandı. Aynı zamanda, bu alanın temellerini oluşturan teori ve algoritmalarda da önemli ilerlemeler kaydedildi. Bu dersin amacı, otomatik öğrenme alanında kullanılan, en yeni ve etkin algoritmaları gözden geçirmektir. Bu algoritmaların hem teorik özellikleri hem de pratik uygulamaları tartışılacaktır.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Alandaki temel teknik ve algoritmaları kullanabilecek ve irdeleyebilecek
  • Farklı otomatik öğrenme tekniklerinin avantajları ve kısıtlamaları konusunda bilgisi olabilecek
  • Otomatik öğrenme tekniklerinin potansiyel kullanım alanlarını değerlendirebilecektir.
Tanımı Denetimli öğrenme: Karar ağaçları, en yakın komşular, lineer sınıflandırıcı ve çekirdekler, sinir ağları, lineer bağlamlandırma, öğrenme teorisi, Denetimsiz öğrenme: Kümeleme, grafik modeller, EM, PCA, factor analizi. Pekiştirilmiş Öğrenme: Değer iterasyonu, kural iterasyonu, TD öğrenme, Q öğrenme. Bayesyan öğrenme, çevrim içi öğrenme.

 



Ders Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 Giriş, Otomatik Öğrenme örnekleri T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 1)
2 Kavram Öğrenme, İndüklemeli Yanlılık T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 2)
3 Karar Ağaçları T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 3)
4 Yapay Sinir Ağları T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 4)
5 Bayesyan Öğrenme T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 6)
6 Nesneye Dayalı Öğrenme T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 8)
7 Ara Sınav
8 Güçlendirmeli Öğrenme T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 13)
9 Evrimsel Algoritmalar T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 9)
10 Öğrenme Teorisi T. Mitchell, Machine Learning;, McGrawHill, 1997, hardcover ISBN 0070428077 (Ch. 7)
11 Tartışmalar, Araştırma ve Sunumlar
12 Tartışmalar, Araştırma ve Sunumlar
13 Tartışmalar, Araştırma ve Sunumlar
14 Tartışmalar, Araştırma ve Sunumlar
15 Final Sınavı için Gözden Geçirme
16 Dönemin gözden geçirilmesi  

 

Dersin Kitabı Yukarıda belirtilen kitap ve ders yansıları
Diğer Kaynaklar 1) Introduction to Machine Learning, Ethem Alpaydın, The MIT Press, October 2004, ISBN 0262012111. 2) İlgili Araştırma Makaleleri

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl İçi Çalışmaları Sayı Katkı Payı %
Derse Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınavlar / Stüdyo Kritiği
Ödev
Sunum / Jüri Önünde Sunum
1
20
Proje
1
25
Çalıştay
Portfolyo
Ara Sınav / Sözlü Sınav
1
30
Final Sınavı / Sözlü Sınav
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
75
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
25
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Aktiviteler Sayı Süresi (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x toplam ders saati)
16
3
48
Laboratuvar / Uygulama Ders Saati
Sınav haftası dahil değildir. 16 x uygulama/lab ders saati
16
Sınıf Dışı Ders Çalışması
15
6
Arazi Çalışması
Küçük Sınavlar / Stüdyo Kritiği
Ödev
Sunum / Jüri Önünde Sunum
1
20
Proje
1
25
Çalıştay
Portfolyo
Ara Sınavlar / Sözlü Sınavlar
1
15
Final / Sözlü Sınav
    Toplam
198

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1

Elektrik ve Elektronik Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.

2

Elektrik ve Elektronik Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.

3

Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular, değişik disiplinlere ait bilgileri bir arada kullanabilir.

4

Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.

5

Elektrik ve Elektronik Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.

6

Yeni ve/veya özgün fikir ve yöntemler geliştirir, karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.

7

Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.

8

Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir, bağımsız çalışabilir ve sorumluluk alır.

 

9

Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.

10

Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.

11

Elektrik ve Elektronik Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların  elektrik ve elektronik mühendisliği uygulamalarına getirdiği kısıtların farkındadır.

12

Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest