Meslek Yüksekokulu
Bilgi Güvenliği Teknolojisi
Ders Bilgileri
| MAKİNE ÖĞRENMESİ | |||||
|---|---|---|---|---|---|
| Kodu | Dönemi | Teori | Uygulama | Ulusal Kredisi | AKTS Kredisi |
| Saat / Hafta | |||||
| BGT219 | Güz | 3 | 0 | 3 | |
| Ön Koşulu Olan Ders( ler ) | |
|---|---|
| Dili | Türkçe |
| Türü | Seçmeli |
| Seviyesi | Ön Lisans |
| Öğretim Elemanı( ları ) | Ögr. Gör. Osman Villi |
| Öğretim Sistemi | Yüz Yüze |
| Önerilen Hususlar | |
| Staj Durumu | Yok |
| Amacı | Makine öğrenmesinin belli başlı alanlarında kullanılan yöntem ve algoritmalarını anlamak, uzman sistemler kavramını anlamak ve uygulama geliştirme becerisi kazandırmak. |
| İçeriği | Makine öğrenmesi ve temel algoritmalar, Bayes ağlarına giriş, denetimli öğrenme metotları, regresyon ve sınıflandırma, kümeleme ve bölütleme algoritmaları, yapay sinir ağları türleri ve özellikleri. |
Dersin Öğrenim Çıktıları
| # | Öğrenim Çıktıları |
|---|---|
| 1 | Makine öğrenmesinin tanımını ve tarihçesini öğrenme |
| 2 | Temel makine öğrenmesi algoritmalarının işleyiş şekli |
| 3 | Sınıflandırma ve bölütleme algoritmalarının tanımını ve uygulama alanlarını öğrenme |
| 4 | Yapay sinir ağları metotlarının türleri ve kullanım alanlarını öğrenme |
| 5 | Python programlama dili ile makine öğrenmesi uygulamaları geliştirme becerisi |
Haftalık Ayrıntılı Ders İçeriği
| # | Konular | Öğretim Yöntem ve Teknikleri |
|---|---|---|
| 1 | Makine öğrenmesine giriş | Anlatım, örnekler |
| 2 | Makine öğrenmesine giriş | Anlatım, örnekler |
| 3 | Denetimli Öğrenme ve Bayes Ağları | Anlatım, örnekler, uygulama |
| 4 | Denetimli Öğrenme ve Bayes Ağları | Anlatım, örnekler, uygulama |
| 5 | Regresyon Türleri | Anlatım, örnekler, uygulama |
| 6 | Regresyon Türleri | Anlatım, örnekler, uygulama |
| 7 | Ara Sınav | Sınav |
| 8 | Karar Ağaçları | Anlatım, örnekler, uygulama |
| 9 | Sınıflandırma | Anlatım, örnekler, uygulama |
| 10 | Bölütleme/Kümeleme | Anlatım, örnekler, uygulama |
| 11 | K-Means Algoritması | Anlatım, örnekler, uygulama |
| 12 | Yapay Sinir Ağları | Anlatım, örnekler, uygulama |
| 13 | Yapay Sinir Ağları | Anlatım, örnekler, uygulama |
| 14 | Final | Sınav |
| 15 | ||
| 16 |
Resources
| # | Malzeme / Kaynak Adı | Kaynak Hakkında Bilgi | Referans / Önerilen Kaynak |
|---|
Ölçme ve Değerlendirme Sistemi
| # | Ağırlık | Çalışma Türü | Çalışma Adı |
|---|---|---|---|
| 1 | %10 | Ara Sınav | Ara Sınav |
| 2 | %5 | Ödev | Ödev |
| 3 | %5 | Ödev | Ödev |
| 4 | %5 | Ödev | Ödev |
| 5 | %5 | Ödev | Ödev |
| 6 | %20 | Son Proje | Son Proje |
| 7 | %50 | Son Sınav | Son Sınav |
Dersin Öğrenim Çıktıları ve Program Yeterlilikleri ile İlişkileri
| # | Öğrenim Çıktıları | Program Çıktıları | Ölçme ve Değerlendirme |
|---|---|---|---|
| 1 | Makine öğrenmesinin tanımını ve tarihçesini öğrenme | 1͵4͵5 | |
| 2 | Temel makine öğrenmesi algoritmalarının işleyiş şekli | 1͵4͵5 | |
| 3 | Sınıflandırma ve bölütleme algoritmalarının tanımını ve uygulama alanlarını öğrenme | 1͵4͵5 | |
| 4 | Yapay sinir ağları metotlarının türleri ve kullanım alanlarını öğrenme | 1͵4͵5 | |
| 5 | Python programlama dili ile makine öğrenmesi uygulamaları geliştirme becerisi | 1͵4͵5 |
İş Yükü Detayları
| # | Etkinlik | Adet | Süre (Saat) | İş Yükü |
|---|---|---|---|---|
| 1 | Ders Süresi | 14 | 3 | 42 |
| 2 | Sınıf Dışı Ders Süresi (Ön çalışma, pekiştirme) | 14 | 2 | 28 |
| 3 | Sunum ve Seminer Hazırlama | 0 | 0 | 0 |
| 4 | İnternette tarama, kütüphane ve arşiv çalışması | 0 | 0 | 0 |
| 5 | Belge/Bilgi listeleri oluşturma | 0 | 0 | 0 |
| 6 | Atölye | 0 | 0 | 0 |
| 7 | Ara Sınav için Hazırlık | 1 | 8 | 8 |
| 8 | Ara Sınav | 1 | 1 | 1 |
| 9 | Kısa Sınav | 0 | 0 | 0 |
| 10 | Ödev | 4 | 15 | 60 |
| 11 | Ara Proje | 0 | 0 | 0 |
| 12 | Ara Uygulama | 0 | 0 | 0 |
| 13 | Son Proje | 1 | 15 | 15 |
| 14 | Son Uygulama | 8 | 2 | 16 |
| 15 | Son Sınav için Hazırlık | 1 | 8 | 8 |
| 16 | Son Sınav | 1 | 1 | 1 |
| 179 | ||||