| Dersin Adı | Otomatik Öğrenme Temelleri ve Uygulamaları |
| Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
|---|---|---|---|---|---|
| CE 475 | Güz/Bahar | 2 | 2 | 3 | 7 |
| Ön-Koşul(lar) |
| ||||||||
| Dersin Dili | İngilizce | ||||||||
| Dersin Türü | Seçmeli | ||||||||
| Dersin Düzeyi | Lisans | ||||||||
| Dersin Veriliş Şekli | - | ||||||||
| Dersin Öğretim Yöntem ve Teknikleri | TartışmaProblem çözmeSoru & CevapKritik vermeDeney / Laboratuvar / Atölye uygulamaAnlatım / Sunum | ||||||||
| Dersin Koordinatörü | |||||||||
| Öğretim Eleman(lar)ı | - | ||||||||
| Yardımcı(ları) | |||||||||
| Dersin Amacı | Bu ders otomatik öğrenmeye istatiksel bir temel oluşturur ve öğrencilere bu temel üstünden otomatik öğrenmeyi tanıtır. Öğrenciler otomatik öğrenme algoritmalarını pratik problemlere uygulamayı, istatiksel analiz yöntemleri kullanarak uygun algoritma seçmeyi ve oluşturdukları modellerin doğruluk derecesini değerlendirmeyi öğrenir. |
| Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Doğrusal cebir ve olasılığın temelleri, doğrusal regresyon, doğrusal olmayan modeller, çapraz doğrulama, model seçimi, karar ağaçları ve destek vektör makineleri. |
| Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları | |
|
| Temel Ders | |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
| Hafta | Konular | Ön Hazırlık |
| 1 | Otomatik ögrenmeye giriş | Ders notları |
| 2 | Koşulsal olasılık ve doğrusal cebir | Ders notları |
| 3 | Basit doğrusal regresyon | ISLR Bölüm 3 |
| 4 | Çoklu regresyon | ISLR Bölüm 3 |
| 5 | Çoklu regresyon | ISLR Bölüm 3 |
| 6 | Çapraz doğrulama | ISLR Bölüm 5 |
| 7 | Model seçimi | ISLR Bölüm 6 |
| 8 | Doğrusal olmayan modeller | ISLR Bölüm 7 |
| 9 | Karar ağaçları | ISLR Bölüm 8 |
| 10 | Sınıflandırma | ISLR Bölüm 4 |
| 11 | Destek vektör makineleri | ISLR Bölüm 9 |
| 12 | Temel bileşen analizi | ISLR Bölüm 10 |
| 13 | Kümeleme | ISLR Bölüm 10 |
| 14 | Proje sunumları | |
| 15 | Dönemin gözden geçirilmesi | Ders notları |
| 16 | Dönemin gözden geçirilmesi | Ders notları |
| Ders Kitabı | An Introduction to Statistical Learning: with Applications in R, by Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani published by Springer ISBN-13: 978-1461471370 |
| Önerilen Okumalar/Materyaller |
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | ||
| Laboratuvar / Uygulama | 1 | 24 |
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | 4 | 8 |
| Portfolyo | ||
| Ödev | ||
| Sunum / Jüri Önünde Sunum | ||
| Proje | 1 | 26 |
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav | ||
| Final Sınavı | 1 | 42 |
| Toplam |
| Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 6 | 58 |
| Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 1 | 42 |
| Toplam |
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 2 | 32 |
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | 2 | |
| Sınıf Dışı Ders Çalışması | 14 | 3 | 42 |
| Arazi Çalışması | 8 | 2 | |
| Küçük Sınav / Stüdyo Kritiği | 4 | ||
| Portfolyo | |||
| Ödev | |||
| Sunum / Jüri Önünde Sunum | |||
| Proje | 1 | 60 | |
| Seminer/Çalıştay | |||
| Sözlü Sınav | |||
| Ara Sınavlar | |||
| Final Sınavı | 1 | 28 | |
| Toplam | 210 |
| # | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, Fen Bilimleri, Bilgisayar Bilimleri ve Yazılım Mühendisliği konularında yeterli bilgi sahibidir; bu alanlardaki kuramsal ve uygulamalı bilgileri, Yazılım Mühendisliği problemlerinde kullanır. | X | ||||
| 2 | Karmaşık Yazılım Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaca uygun analiz ve modelleme yöntemlerini seçer ve uygular. | X | ||||
| 3 | Karmaşık bir yazılım sistemini, süreci veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar, gerçekleştirir, sınar, doğrular, raporlar, ölçer ve bakımını yapar; bu amaçla modern yöntemleri uygular. | |||||
| 4 | Yazılım 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 | Yazılım Mühendisliği problemlerinin incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. | X | ||||
| 6 | Yazılım Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. | X | ||||
| 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 | Mühendislik ve Yazılım uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; mühendislik ve yazılım 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 Yazılım 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 erişebilir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler; insanlık tarihi boyunca oluşan bilgi birikimini Yazılım Mühendisliği alanıyla ilişkilendirir. | |||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest
