1. LİSANS
  2. MÜHENDİSLİK FAKÜLTESİ
  3. ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ
  4. 255 ENDÜSTRİ MÜHENDİSLİĞİ
Ders Bilgileri Ders Öğrenme Kazanımları Dersin Program Yeterlilikerine Katkısı AKTS / İş Yükü Tablosu Ders Şubeleri
Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
EEEN 352MAKİNE ÖĞRENMESİNE GİRİŞ3 + 06. Yarıyıl5

DERS TANIMI
Ders Düzeyi Lisans
Ders Türü Seçmeli
Dersin Amacı Makine öğrenmesi yapılarını öğretmek, Bu yapıları MatLab ortamında gerçeklemek ve gerçek dünya problemlerinin çözümünde kullanmak.
Ders İçeriği Sınıflandırma Problemi / Regresyon Problemi / Destek Vektör Makineleri ve Uygulamalar
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1Makine öğrenmesi ile ilgili temel kavramları bilir.
2Makine öğrenmesi yapılarını bilir.
3Makine öğrenmesi yöntemleriyle gerçek dünya problemlerini çözebilir.
4Destek Vektör Makineleri ile modelleme ve tahmin yapabilir.

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
Derslerin program öğrenme kazanımına katkısı girilmemiş.

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Ödevler4624
Arasınavlar(hazırlık süresi dahil)11010
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)11414
Sunum / Seminer (hazırlık süresi dahil)11414
Rapor / Proje (hazırlık süresi dahil)12626
Toplam İş Yükü

Dersin AKTS Kredisi





130

5
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2023-2024 Bahar1DUYGU TOPALOĞLU


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi
EEEN 352 MAKİNE ÖĞRENMESİNE GİRİŞ 3 + 0 1 Türkçe 2023-2024 Bahar
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Öğr. Gör. DUYGU TOPALOĞLU dtopaloglu@pau.edu.tr İİBF C0106 Dersin Devam Yüzdesi : %70
Amaç Makine öğrenmesi yapılarını öğretmek, Bu yapıları MatLab ortamında gerçeklemek ve gerçek dünya problemlerinin çözümünde kullanmak.
İçerik Sınıflandırma Problemi / Regresyon Problemi / Destek Vektör Makineleri ve Uygulamalar
Haftalık Konu Başlıkları
HaftaKonular
1 Giriş ve Temel Kavramlar
2 Veri Ön İşleme, Eksik Veri, Veri Dengesizliği Uygulamaları
3 Veri Ön İşleme, Aykırı Veriler, Verilerden Yeni Değişken Oluşturma Yöntemleri,
4 Model seçimi, Model Ölçüm Metrikleri
5 Denetimli Öğrenme Regresyon
6 Denetimli Öğrenme Sınıflandırma
7 Vize Haftası
8 Denetimli Öğrenme Karar Ağaçları
9 Denetimli Öğrenme - Destek Vektör Makineleri (SVM)
10 Denetimli Öğrenme K-En Yakın Komşu (KNN)
11 Denetimsiz Öğrenme - Kümeleme
12 Uçtan Uca Makine Öğrenmesi Modeli Kurma, Model İyileştirmeleri
13 Proje Sunumları
14 Proje Sunumları
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
KaynaklarKaynak Dili
"Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow"Türkçe
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı50Dönem Sonu Sınavı
Ara Sınav50Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları