MATH 624 | Ders Tanıtım Bilgileri - Uygulamalı Matematik ve İstatistik Tezli Yüksek Lisans Programı

Dersin Adı

İstatistiksel Makine Öğrenmesine Giriş

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
MATH 624	Güz/Bahar	3	0	3	7.5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Doktora
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr.Öğretim Üyesi NECLA KOÇHAN
Öğretim Eleman(lar)ı	Dr.Öğretim Üyesi NECLA KOÇHAN
Yardımcı(ları)	Arş.Gör. Merve KAHRAMAN ARİMAN

Dersin Amacı	Bu dersin amacı, öğrencilere makine öğrenmesi kavramını ve makine öğrenmesi algoritmalarını öğretmek, ayrıca bu algoritmaları gerçek veri kümelerine uygulayarak deneyim kazandırmaktır.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Makine öğrenme temel prensiplerini tanımlayabilecektir. Farklı makine öğrenme metodlarını karşılaştırabilecektir. Makine öğrenme metodunu seçerken ve uygularken hangi parametreleri kullanacağını açıklayabilecektir. Metodlarını uygularken parametre optimizasyonu yapabilecektir. Verilen bir veri üzerinde uygulanabilir makine öğrenmesi metodlarının analizini R ve/veya Python kullanarak uygulayabilecektir. Sağkalım analizlerini gerçek verilere uygulayabilecektir.
Ders Tanımı	Bu derste makine öğrenimi kavramları, gözetimli öğrenme, sınıflandırma yöntemleri, regresyon yöntemleri, gözetimsiz öğrenme, kümeleme yöntemleri ve sağkalım analizi konuları incelenecektir.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	İstatistiksel Öğrenmeye Giriş	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 1-2
2	İstatistiksel Öğrenmeye Giriş	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 1-2
3	Basit Lineer Regresyon	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 3
4	Çoklu Doğrusal Regresyon	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 4
5	Sınıflama	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 5
6	Sınıflama	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 5
7	Çapraz doğrulama ve yeniden örnekleme	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 6
8	Ara sınav
9	Düzenleme	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 6
10	Ağaç tabanlı modeller	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 8
11	Destek Vektör Makinaları	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 9
12	Sağkalım analizleri	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 11
13	Denetimsiz Öğrenme	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 12
14	Denetimsiz Öğrenme	“An Introduction to Statistical Learning: With Applications in R” by G. James, D. Witten, T. Hastie, R. Tibshirani, 2nd Edition, Springer. Ch. 12
15	Dönemin gözden geçirilmesi
16	Final Sınavı

Ders Kitabı

G. James, D. Witten, T. Hastie, R. Tibshirani. An Introduction to Statistical Learning: With Applications in R, 2nd Edition, ISBN- 13: 978-1259717604, Springer

Önerilen Okumalar/Materyaller

T.M. Mitchell. Machine Learning, McGraw Hill, 1997, ISBN-13: 978-0070428072. C.M. Bishop. Pattern Recognition and Machine Learning, Springer, 2007, ISBN-13: 978-0387310732. E. Alpaydın. Introduction to Machine Learning, 1st Edition, The MIT Press, 2004, ISBN-13: 978-0262012119

T. Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning, 2nd Edition, Springer, 2009, ISBN-13: 978-0387848570.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	10
Proje	1	20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	3	60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	40
Toplam

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	16		0
Sınıf Dışı Ders Çalışması	16	3	48
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev			0
Sunum / Jüri Önünde Sunum	1	18	18
Proje	1	44	44
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	22	22
Final Sınavı	1	45	45
		Toplam	225

#

Program Yeterlilikleri / Çıktıları

* Katkı Düzeyi

1

2

3

4

5

1

Uygulamalı Matematik ve İstatistik alanında bağımsız ve eleştirel düşünme yetkinliğini sergileyebilir.

-

X

-

2

Uygulamalı Matematik ve İstatistik alanında problemleri tanımlayabilir ve bu problemlerin matematiksel/istatistiksel olarak tutarlı olup olmadığını doğrulayabilir.

-

3

Uygulamalı Matematik ve İstatistik alanında gerçek yaşam problemlerini disiplinlerarası bir yaklaşımla uygulamalı yöntemler kullanarak analiz edebilir ve çözebilir.

-

X

-

4

Uygulamalı Matematik ve İstatistik alanında uzmanlık gerektiren bir araştırmayı bağımsız olarak yürütebilir, sonuçlandırabilir ve raporlayabilir.

-

X

-

5

Alanındaki güncel gelişmeleri izlemek, meslektaşlarıyla etkili iletişim kurmak ve ilgili literatürü takip etmek amacıyla ulusal ve uluslararası kaynakları etkin şekilde kullanabilir

-

6

Uygulamalı Matematik ve İstatistik alanlarında yaygın olarak kullanılan bilgisayar yazılımlarını kullanma konusunda yetkinlik geliştirebilir.

-

X

-

7

Toplumsal ve bilimsel problemlerin çözümüne katkı sağlamak amacıyla matematiksel akıl yürütme ve modelleme kullanarak çözüm süreçlerini etkin biçimde değerlendirebilir.

-

8

Matematiksel ve istatistiksel yöntemleri kullanarak kuramsal çerçeveler ile pratik uygulamalar arasında bütüncül bir sentez kurabilir.

-

9

Uygulamalı Matematik ve İstatistik alanındaki problem ve araştırma konularına yönelik strateji, politika ve planlar geliştirerek elde edilen sonuçları analiz edebilir ve uygulamaya dönüştürebilir.

-

10

Uygulamalı Matematik ve İstatistik alanındaki temel konuları, olayları ve olguları diğer bilimsel disiplinlerin bağlamına aktarabilir.

-

X

-

11

Uygulamalı Matematik ve İstatistik alanındaki bilgi ve becerilerini sürekli güncelleyerek ve geliştirerek yaşam boyu öğrenmeye katılabilir.

-

MATH 624 | Ders Tanıtım Bilgileri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

DEĞERLENDİRME ÖLÇÜTLERİ

AKTS / İŞ YÜKÜ TABLOSU

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

İZMİR EKONOMİ ÜNİVERSİTESİ GÜZELBAHÇE KAMPÜSÜ

KÜRESEL KARİYER

BİLİME KATKI

İNSANA DEĞER

TOPLUMA FAYDA