Dersin Adı | Otomatik Öğrenme Özel Konuları |
Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
---|---|---|---|---|---|
CE 395 | Güz/Bahar | 3 | 0 | 3 | 5 |
Ön-Koşul(lar) | Yok | |||||
Dersin Dili | İngilizce | |||||
Dersin Türü | Seçmeli | |||||
Dersin Düzeyi | Lisans | |||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | Problem çözmeAnlatım / Sunum | |||||
Dersin Koordinatörü | ||||||
Öğretim Eleman(lar)ı | - | |||||
Yardımcı(ları) | - |
Dersin Amacı | Bu ders, ileri otomatik öğrenme metotları için gereken matematiksel ve kavramsal temelleri vermektedir. Bu derste, örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, vektör ve matris manipülasyonları, sayısal optimizasyon ve istatistiksel öğrenme teorisinin temelleri kapsanacaktır. |
Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Aşağıdaki konular ders programına dahil olacaktır: örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, temel vektör ve matris işlemleri, sayısal optimizasyon temelleri, istatistiksel öğrenme teorisinin temelleri. |
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları |
| Temel Ders | |
Uzmanlık/Alan Dersleri | X | |
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
Hafta | Konular | Ön Hazırlık |
1 | Giriş: Otomatik öğrenme nedir? | Bölüm 1. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning. ISBN 9780387216065 |
2 | İşaret örnekleme temelleri - örnekleme frekansı, Nyquist frekansı, sinyal ve resim çözünürlüğü, Shannon bilgi teorisi, verimli kodlar, veri sıkıştırması | Bölüm 1. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759. |
3 | Sayısal filtrelemeye giriş, evrişim, doğrusal ve zamanda değişmez sistem teorisi, 1D ve 2D filtreler, doğrusal ve doğrusal olmayan filtreler | Bölüm 2. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759. |
4 | Fourier dönüşümü, ayrık Fourier dönüşümü, sinyal ve resmin spektrumu, karmaşık sayılar | Bölüm 3. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759. |
5 | Doğrusal cebir özeti - satır ve sütün vektörleri, matrisler, matris çarpımı, dışlar çarpımı, norm | Linear Algebra and Its Applications, David C. Lay, Steven R. Lay, Judi J. McDonald, Pearson, 5th Edition |
6 | Sayısal optimizasyonun temelleri – optimallik koşulları, KKT koşulları, eğim azalma optimizasyonu, konveks optimizasyon programları | Bölüm 1. Kısım 1.1-1.4. Bölüm 4. Kısım 4.3, 4.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition |
7 | Ara-sınav | |
8 | Primal-dual teorisi, büyük ölçekte optimizasyon, stokastik eğim azalma yöntemi | Bölüm 2. Bölüm 6. Kısım 6.1-6.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition |
9 | Olasılık özeti, rastgele değişkenler ve olasılık dağılımları, Bayes teoremi, beklenen değerler, Büyük Sayılar Kanunu, Merkez Limit Teoremi, Markov, Jensen, Chernoff ve Hoeffding eşitsizlikleri | Statistics for Engineers and Scientists, William Navidi, 4th Ed., Mc-Graw Hill. |
10 | İstatistiksel öğrenme teorisine giriş - istatistiksel faaliyet olarak öğrenme, denetimli ve denetimsiz öğrenme, regresyon ve sınıflandırma | Bölüm 2. Kısım 2.1-2.3. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065 |
11 | İstatistiksel karar verme teorisi, fonksiyon kestirimi, istatistiksel modeller, kısıtlanmış kestirimler, boyutluluk laneti, bayas-varyans ödünleşimi | Bölüm 2. Kısım 2.4-2.6, 2.8. Bölüm 7. Kısım 7.2. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065 |
12 | Model değerlendirilme ve seçimi, efektif model boyutları, AIC, BIC, Vapnik-Chervonenkis boyutu | Bölüm 7. Kısım 7.2-7.7. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065 |
13 | Vapnik-Chervonenkis boyutu, çarpaz geçerlilik ve özellikleri, bootstrap metodları | Bölüm 7. Kısım 7.9-7.11. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065 |
14 | Dönemin gözden geçirilmesi | |
15 | Dönemin gözden geçirilmesi | |
16 | Dönemin gözden geçirilmesi |
Ders Kitabı | A. Oppenheim, A. Willsky, Signals & Systems, Pearson, 1996, ISBN 0136511759 |
Önerilen Okumalar/Materyaller | D. Lay, S. Lay, J. McDonald, Linear Algebra and Its Applications, Pearson, 5th Edition, 2015, ISBN 9780321982384 D. Bertsekas, Nonlinear Programming, Athena Scientific, 3rd Edition, 2016, ISBN 9781886529052 W. Navidi, Statistics for Engineers and Scientists, Mc-Graw Hill, 3rd Edition, 2010, ISBN 9780073376332 T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer, 2013, ISBN 9780387216065. |
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | ||
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev | 5 | 20 |
Sunum / Jüri Önünde Sunum | ||
Proje | ||
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav | 1 | 30 |
Final Sınavı | 1 | 50 |
Toplam |
Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 6 | 50 |
Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 1 | 50 |
Toplam |
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | ||
Sınıf Dışı Ders Çalışması | 14 | 2 | 28 |
Arazi Çalışması | |||
Küçük Sınav / Stüdyo Kritiği | |||
Portfolyo | |||
Ödev | 5 | 6 | |
Sunum / Jüri Önünde Sunum | |||
Proje | |||
Seminer/Çalıştay | |||
Sözlü Sınav | |||
Ara Sınavlar | 1 | 20 | |
Final Sınavı | 1 | 24 | |
Toplam | 150 |
# | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
1 | Matematik, Fen Bilimleri ve Bilgisayar Mühendisliği konularında yeterli bilgi sahibidir; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanır. | X | ||||
2 | Karmaşık Bilgisayar Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaca uygun analiz ve modelleme yöntemlerini seçer ve uygular. | X | ||||
3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular. | |||||
4 | Bilgisayar Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır. | X | ||||
5 | Karmaşık Bilgisayar Mühendisliği problemlerinin veya araştırma konularının incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. | |||||
6 | Bilgisayar Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. | |||||
7 | Türkçe sözlü ve yazılı etkin iletişim kurar; etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır. | |||||
8 | Bilgisayar Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; mühendislik çözümlerinin hukuksal sonuçlarının farkındadır. | |||||
9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilincine sahiptir; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibidir. | |||||
10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibidir; girişimcilik, yenilikçilik hakkında bilinçlidir; sürdürülebilir kalkınma hakkında bilgi sahibidir. | |||||
11 | Bir yabancı dili kullanarak Bilgisayar Mühendisliği ile ilişkili konularda, bilgi toplar ve meslektaşları ile iletişim kurar. ("European Language Portfolio Global Scale", Level B1) | |||||
12 | İkinci yabancı dili orta düzeyde kullanır. | |||||
13 | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilgiye erişir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler; insanlık tarihi boyunca oluşan bilgi birikimini Bilgisayar Mühendisliği alanıyla ilişkilendirir. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest