Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz)

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	-
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Kaya OĞUZ
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Kaya OĞUZ
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

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	oldukça geniş bir yelpazede yer alan birçok otomatik öğrenme algoritmasını kolaylıkla tasvir edebilecek.
2	alandaki temel teknik ve algoritmaları irdeleyebilecek ve uygulayabilecek.
3	alandaki farklı algoritma ve teknikleri karşılaştırabilecek.
4	spesifik durumlara uygun otomatik öğrenme algoritmaları tasarlayıp, mevcutları adapte edebilecek.
5	otomatik öğrenme tekniklerinin potansiyel kullanım alanlarını değerlendirebilecektir.

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.

Dersin Kategorisi	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	Öğrenme Çıktısı
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 %	LO 1	LO 2	LO 3	LO 4	LO 5
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

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Bilgisayar Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.		-	-	X	-	-
2	Bilgisayar Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.		-	-	-	X	-
3	Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular, değişik disiplinlere ait bilgileri bir arada kullanabilir.		-	-	-	-	X
4	Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.		-	-	-	-	X
5	Bilgisayar Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.		-	-	-	-	X
6	Yeni ve/veya özgün fikir ve yöntemler geliştirir, karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.		-	-	X	-	-
7	Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.		X	-	-	-	-
8	Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir, bağımsız çalışabilir ve sorumluluk alır.		-	X	-	-	-
9	Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.		X	-	-	-	-
10	Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.		X	-	-	-	-
11	Bilgisayar Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların bilgisayar mühendisliği uygulamalarına getirdiği kısıtların farkındadır.		X	-	-	-	-
12	Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.		X	-	-	-	-