LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Biyomühendislik Yüksek Lisans Programı (Tezli)
CE 531 | Ders Tanıtım Bilgileri
| Dersin Adı |
Otomatik Öğrenme
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
CE 531
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
| Ön-Koşul(lar) |
Yok
|
|||||
| Dersin Dili |
İngilizce
|
|||||
| Dersin Türü |
Seçmeli
|
|||||
| Dersin Düzeyi |
Yüksek Lisans
|
|||||
| Dersin Veriliş Şekli | - | |||||
| Dersin Öğretim Yöntem ve Teknikleri | - | |||||
| Dersin Koordinatörü | ||||||
| Öğretim Eleman(lar)ı | ||||||
| Yardımcı(ları) | - | |||||
| Dersin Amacı | Otomatik öğrenme, deneyim ile otomatik olarak kendini geliştirebilen bilgisayar programlarının nasıl tasarlanacağı ile ilgilidir. Son yıllarda, sahte kredi kartı işlemlerini bulmaya çalışan veri madenciliği uygulamalarından, halka açık yollarda sürüş yapabilen otonom araçlara kadar değişen bir çok başarılı uygulama tasarlandı. Aynı zamanda, bu alanın temellerini oluşturan teori ve algoritmalarda da önemli ilerlemeler kaydedildi. Bu dersin amacı, otomatik öğrenme alanında kullanılan, en yeni ve etkin algoritmaları gözden geçirmektir. Bu algoritmaların hem teorik özellikleri hem de pratik uygulamaları tartışılacaktır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Otomatik öğrenme, geçmiş deneyimleriyle otomatik olarak performanslarını iyileştiren bilgisayar programları ile ilgilenir. Yapay zeka, istatistik, bilgi kuramı, biyoloji ve kontrol teorisi gibi bir çok alandan ilham alan otomatik öğrenme dersinde aşağıdaki konular işlenecektir; Konsept öğrenme, Karar ağacı öğrenme, Yapay sinir ağları, Temelli öğrenme, Evrimsel algoritmalar, Destekli öğrenme, Bayes öğrenmesi, Hesapsal öğrenme teorisi. |
|
|
Temel Ders | |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
| Hafta | Konular | Ön Hazırlık |
| 1 | Giriş | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 1 ve 2 |
| 2 | Bayes Karar Teorisi | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 3 |
| 3 | Parametrik Yöntemler | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 4 |
| 4 | Boyut Küçültme | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 6 |
| 5 | Kümeleme | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 7 |
| 6 | Parametrik Olmayan Yöntemler | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 8 |
| 7 | Karar Ağaçları | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 9 |
| 8 | Ara sınav | |
| 9 | Çok Katmanlı Algılayıcı | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 11 |
| 10 | Stokastik Yöntemler | Pattern Classification, Duda & Hart & Stork, Bölüm 7 |
| 11 | Çekirdek Makineleri | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 14 |
| 12 | Gizli Markov Modelleri | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 16 |
| 13 | Öğrenicilerin Birleştirilmesi | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 18 |
| 14 | Pekiştirmeli Öğrenme | Introduction to Machine Learning, Ethem Alpaydın, Bölüm 19 |
| 15 | Dönemin Gözden Geçirilmesi | |
| 16 | Final Sınavı |
| Ders Kitabı | Introduction to Machine Learning, Ethem Alpaydın, Fourth Edition, MIT Press, 9780262043793 |
| Önerilen Okumalar/Materyaller | Pattern Classification, Richard O. Duda and Peter E. Hart and David G. Stork, Second Edition, Wiley, 9780471056690
Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas, Fourth Edition, Academic Press, 9781597492720
Neural Networks and Learning Machines, Simon Haykin, Third Edition, Pearson, 9780131293762
Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 9780387310732 |
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | ||
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev |
1
|
20
|
| Sunum / Jüri Önünde Sunum | ||
| Proje |
1
|
20
|
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav |
1
|
25
|
| Final Sınavı |
1
|
35
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
4
|
100
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | ||
| Toplam |
AKTS / İŞ YÜKÜ TABLOSU
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
3
|
48
|
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
0
|
|
| Sınıf Dışı Ders Çalışması |
14
|
5
|
70
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
0
|
||
| Portfolyo |
0
|
||
| Ödev |
1
|
35
|
35
|
| Sunum / Jüri Önünde Sunum |
0
|
||
| Proje |
1
|
30
|
30
|
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
1
|
20
|
20
|
| Final Sınavı |
1
|
22
|
22
|
| Toplam |
225
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Matematik, Fen Bilimleri, Biyomühendislik konularında yeterli bilgi birikimine sahiptir; bu alanlardaki kuramsal ve uygulamalı bilgileri çeşitli Biyomühendislik problemlerini modelleme ve çözme amacıyla kullanır. |
|||||
| 2 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; ilgili disiplinlere ait bilgileri bir arada kullanır. |
|||||
| 3 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri çözer. |
|||||
| 4 | Doğa bilimleri ve Biyomühendislik temellerini kullanarak sistem, ekipman veya süreç tasarımı gerçekleştirir. |
|||||
| 5 | Biyomühendislik alanındaki yeni gelişmeleri takip ve teknolojileri takip eder ve kullanır. |
|||||
| 6 | Biyomühendislik disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. |
|||||
| 7 | Biyomühendislik uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların profesyonel iş yaşamına getirdiği kısıtların farkındadır. |
|||||
| 8 | Biyomühendislik alanı ile ilgili verilerin toplanması, yorumlanması, yayımı ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. |
|||||
| 9 | Biyomühendislik alanı ile ilgili kıstaslara uygun, özgün bir tez/dönem projesi hazırlar. |
|||||
| 10 | Bir yabancı dili kullanarak Biyomühendislik alanı ile ilgili bilgileri takip eder ve akademik ortamlarda tartışmalara katılır. |
|||||
| 11 | Edindiği bilgi, beceri ve yetkinlikleri evrensel ve toplumsal amaçları doğrultusunda geliştirir. |
|||||
| 12 | Biyomühendislik alanında bölgesel ve küresel konuları/sorunları tanımlar, kanıtlara ve araştırmalara dayalı çözüm önerileri geliştirir. |
|||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest