Bilgi Paketi / Ders Kataloğu
Makine Öğrenmesine Giriş
Ders Kodu: RYZ107
Ders Türü: Seçmeli
Ders Grubu: Önlisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 0
Kredi: 2
Laboratuvar: 0
AKTS: 2
Amaç

Makine öğrenmesinin temel kavramları, yöntemleri ve uygulama alanları hakkında bilgi vermek. Öğrencilerin veri analizi, sınıflandırma ve tahmin problemlerinde makine öğrenmesi yöntemlerini kullanabilmelerini sağlamak.

Özet İçerik

Makine öğrenmesine giriş, yapay zeka ve veri kavramı arasındaki ilişki kavramları ele alınmaktadır. Makine öğrenmesinde kullanılan denetimli ve denetimsiz öğrenme yaklaşımları incelenmektedir. Ayrıca makine öğrenmesinin robotik, otomasyon ve endüstriyel uygulamalardaki kullanım alanları incelenmektedir.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Makine öğrenmesinin temel kavramlarını ve terminolojisini açıklayabilme.
2.Denetimli ve denetimsiz öğrenme yöntemlerini ayırt edebilme.
3.Temel makine öğrenme programlarının çalışma prensiplerini açıklayabilme.
4.Basit veri paketleri üzerinde uygun makine öğrenmesi yöntemlerinin seçilebilmesi ve bunların yorumlanabilmesi.
5.Makine öğrenmesinin farklı sektörlerdeki uygulama alanlarını genişletebilmesi.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Ethem Alpaydın, Makine Öğrenmesi, Boğaziçi Üniversitesi Yayınevi.
2.Tom M. Mitchell, Machine Learning, McGraw-Hill Education.
3.Sinan Uğuz, Makine öğrenmesi teorik yönleri ve Python uygulamaları ile bir yapay zekâ ekolü, Nobel Yayıncılık.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Makine Öğrenmesine Giriş
2. Hafta - Teorik
Yapay Zeka ve Makine Öğrenmesi İlişkisi
3. Hafta - Teorik
Makine Öğrenmesinde Veri Kavramı
4. Hafta - Teorik
Veri Ön İşleme Teknikleri
5. Hafta - Teorik
Denetimli Öğrenme
6. Hafta - Teorik
Regresyon Algoritmaları
7. Hafta - Teorik
Sınıflandırma Algoritmaları
8. Hafta - Teorik
Karar Ağaçları ve Rastgele Ormanlar (Random Forest)
9. Hafta - Teorik
Destek Vektör Makineleri (SVM)
10. Hafta - Teorik
k-En Yakın Komşu (k-NN) Algoritması
11. Hafta - Teorik
Denetimsiz Öğrenme ve Kümeleme Algoritmaları
12. Hafta - Teorik
Yapay Sinir Ağlarına Giriş
13. Hafta - Teorik
Derin Öğrenme ve Güncel Uygulamalar
14. Hafta - Teorik
Makine Öğrenme Uygulamaları
Değerlendirme
Değerlendirme TürüAdetYüzde
Derse Katılım (Performans)10%5
Kısa Sınav (Quiz)1%5
Ara Sınav (Vize)1%30
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140228
Bireysel Çalışma100220
Ara Sınav1011
Dönem Sonu Sınavı1011
TOPLAM İŞ YÜKÜ (Saat)50
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
PÇ-14
PÇ-15
OÇ-1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-2
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-3
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026