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 |