Bilgi Paketi / Ders Kataloğu
Python ile Makine Öğrenmesine Giriş
Ders Kodu: FEK530
Ders Türü: Bölüm Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 5
Amaç

Bu ders içeriğinde Python programlamaya giriş, Python temelleri, makine öğrenmesi kavramları, makine öğrenmesi algoritmaları, veri önişleme ve veri görselleştirme konularının öğretilmesi ve Python'da uygulamalar yapılması hedeflenmektedir.

Özet İçerik

Dönem boyunca Python programlama dilleri teorik ve uygulamalı örneklerle anlatılmakta ve ödevlerde kullanılmaktadır. Makine öğrenmesi tekniklerinin öğretilmesi amaçlanmaktadır.

Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Elvan HAYAT
Öğrenme Çıktıları
1.Python programlama dilinin temellerini öğrenir.
2.Python'da temel veri analizi tekniklerini öğrenir.
3.Makine öğrenmesi kavramlarına hakim olur.
4.Makine öğrenmesi algoritmaları hakkında bilgi sahibi olur ve Python ile uygulamalar yapar.
5.Makine öğrenmesi algoritmaları hakkında bilgi sahibi olur ve Python ile uygulamalar yapar.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Introduction to Machine Learning with Python: A Guide for Data Scientists, Andreas C. Müller and Sarah Guido (for beginners).
2.Python data science handbook : essential tools for working with data J. VanderPlas. O'Reilly Media, Inc, Sebastopol, CA, (2016)
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Python Programlamaya Giriş (Neden Python?, Python ve uygulama alanları, Anaconda Navigator)
2. Hafta - Teorik & Uygulama
Python Temelleri (Değişkenler ve Veri Tipleri, Temel işlemler, Karşılaştırma, Matematiksel işleçler, Stringler ve string işlemleri, Girdi / Çıktı, Listeler ve liste işlemleri, Demetler, Sözlükler, Kümeler)
3. Hafta - Teorik & Uygulama
Koşullar ve Döngüler (if, elif, else, for, while, break, continue, pass)
4. Hafta - Teorik & Uygulama
Fonksiyonlar (Fonksiyon tanımlama ve çağırma, Argümanlar, parametreler, dönüş değerleri)
5. Hafta - Teorik & Uygulama
Makine Öğrenmesi Temelleri (Makine Öğrenmesine Giriş, Makine Öğrenmesi Algoritma Çeşitleri: Denetimli, Denetimsiz ve Pekiştirmeli Öğrenme)
6. Hafta - Teorik & Uygulama
Makine Öğrenmesi için Python (NumPy, Pandas, Matplotlib, Seaborn)
7. Hafta - Teorik & Uygulama
Veri Önişleme (Veri Temizleme, Eksik Veri Analizi, Aykırı Değerler, Veri dönüşümü,Normalizasyon, Encoding)
8. Hafta - Ara Sınav (Vize)
Ara Sınav
9. Hafta - Teorik & Uygulama
Veri Görselleştirmeye Giriş (Matplotlib, Seaborn ve Plotly modülleri, Matplotlib ile çizgi, saçılım, bar vb. grafikleri, Öğeleri özelleştirmeleri: Etiket, Başlık, Eksenler vb.)
10. Hafta - Teorik & Uygulama
İleri Veri Görselleştirme (Matplotlib ve Seaborn ile)
11. Hafta - Teorik & Uygulama
Denetimli Öğrenme (Regresyon, Doğrusal, Lojistik, kNN, Karar Ağaçları)
12. Hafta - Teorik & Uygulama
Denetimli Öğrenme (Model Performansının Değerlendirmesi, Çapraz doğrulama, Hiperparametre optimizasyonu)
13. Hafta - Teorik & Uygulama
Denetimsiz Öğrenme (Kümeleme, kOrtalamalar, DBSCAN, Hiyerarşik Kümeleme, Boyut İndirgeme, PCA)
14. Hafta - Teorik & Uygulama
Denetimsiz Öğrenme (Kümeleme, kOrtalamalar, DBSCAN, Hiyerarşik Kümeleme, Boyut İndirgeme, PCA)
15. Hafta - Uygulama
Proje Sunumları
16. Hafta - Dönem Sonu Sınavı (Final)
Final
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%40
Dönem Sonu Sınavı (Final)1%70
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders142370
Bireysel Çalışma73235
Ara Sınav1819
Dönem Sonu Sınavı18311
TOPLAM İŞ YÜKÜ (Saat)125
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
OÇ-1
5
5
5
5
4
4
4
4
4
OÇ-2
4
5
5
4
5
5
4
4
3
OÇ-3
4
5
5
5
4
4
4
4
5
OÇ-4
3
4
5
5
4
4
5
3
5
OÇ-5
4
4
5
4
5
3
5
4
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026