PAÜ .:. Eğitim Öğretim Bilgi Sistemi

Yazdır

DERS BİLGİLERİ

Ders Kod	Ders Ad	T+U Saat	Yarıyıl	AKTS
EEEN 352	MAKİNE ÖĞRENMESİNE GİRİŞ	3 + 0	8. Yarıyıl	4

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

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

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI

No	PY 01	PY 02	PY 03	PY 04	PY 05	PY 06	PY 07	PY 08	PY 09	PY 10	PY 11
ÖK 001	2	5	2	3	2	2	2	1	1	1	1
ÖK 002	2	4	3	2	2	2	1	1	1	1	1
ÖK 003	2	4	2	1	2	2	1	1	1	2	2
ÖK 004	2	4	2	2	2	2	1	2	1	2	2
Ara Toplam	8	17	9	8	8	8	5	5	4	6	6
Katkı	2	4	2	2	2	2	1	1	1	2	2

AKTS / İŞ YÜKÜ TABLOSU

Etkinlik	Sayısı	Süresi (Saat)	Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)	14	3	42
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)	14	3	42
Arasınavlar(hazırlık süresi dahil)	1	6	6
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)	1	14	14
Toplam İş Yükü Dersin AKTS Kredisi			104 4

DERS ŞUBELERİ

Dönem seçiniz :

Yazdır

Ders Şube Detayları

Dersin Kodu	Dersin Ad	Saat (T+P)	Şube No	Öğretim Dili	Şube Dönemi
EEEN 352	MAKİNE ÖĞRENMESİNE GİRİŞ	3 + 0	2	Türkçe	2019-2020 Bahar

Öğretim Elemanı	E-Posta	İç Hat	Ders Yeri	Devam Zorunluluğu
Prof. Dr. SERDAR İPLİKÇİ	iplikci@pau.edu.tr		MUH A0325	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

Hafta	Konular
1	Giriş
2	Kısıtlı Optimizasyon
3	Kısıtlı Optimizasyon
4	Kısıtlı Optimizasyon
5	Destek Vektör Makineleriyle Sınıflandırma
6	Destek Vektör Makineleriyle Sınıflandırma
7	Destek Vektör Makineleriyle Sınıflandırma
8	Destek Vektör Makineleriyle Sınıflandırma
9	Destek Vektör Makineleriyle Regresyon
10	Destek Vektör Makineleriyle Regresyon
11	Destek Vektör Makineleriyle Regresyon
12	Destek Vektör Makineleriyle Regresyon
13	Uygulamalar
14	Uygulamalar

Materyaller

Materyal belirtilmemiştir.

Kaynaklar

Ders Değerlendirme Sistemi

Değerlendirme Yöntemi	Katkı Yüzdesi (%)	Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı	50	Dönem Sonu Sınavı
Ara Sınav	50	Ara Sınav

T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları

Aday Öğrenci