|
Dersin Dili
|
İngilizce
|
|
Dersin Düzeyi
|
Lisans
|
|
Bölümü / Programı
|
BİLGİSAYAR MÜHENDİSLİĞİ (356)
|
|
Öğrenim Türü
|
Örgün Öğretim
|
|
Dersin Türü
|
Seçmeli
|
|
Dersin Öğretim Şekli
|
Yüz Yüze
|
|
Dersin Amacı
|
Lisans seviyesindeki bu dersin amacı, öğrencilere makine öğrenmesinin temellerini oluşturan konuların öğretilmesi ve öğrencilerin bu bilgiyi gerçek dünya problemlerine uyarlayabilmelerini sağlamaktır.
|
|
Dersin İçeriği
|
Makine Öğrenmesine Temel Bir Bakış En Yakın Komşu Sınıflandırıcısı
Doğrusal Regresyon, Küçük Kareler
Makine Öğrenmesi Metodolojisi
Olasılık ve Doğrusal Cebirin Temelleri
İstatistiksel Tahmin: MLE, MAP, Naif Bayes Sınıflandırıcı
Doğrusal Sınıflandırma Modelleri: Lojistik Regresyon, Doğrusal diskriminant fonksiyonu, Perceptron
Destek Vektör Makineleri
Karar Ağacı Öğrenmesi
Kolektif Öğrenme: Bagging, Boosting Clustering
Sinir Ağları
Temel Bileşenler Analizi
|
|
Dersin Yöntem ve Teknikleri
|
Anlatım, Sorun/Problem Çözme
|
|
Ön Koşulları
|
( BBM102 ) ve ( BBM104 ) ve ( BBM409 )
|
|
Dersin Koordinatörü
|
Yok
|
|
Dersi Verenler
|
Doç. Dr. Ahmet Burak Can
|
|
Dersin Yardımcıları
|
Yok
|
|
Dersin Staj Durumu
|
Yok
|
Ders Kaynakları
|
Kaynaklar
|
Mitchell T., Machine Learning, McGraw Hill, 1997.
Artificial Intelligence: A Modern Approach (3rd Edition), Stuart Russell and Peter Norvig. Prentice Hall, 2009.
Bayesian Reasoning and Machine Learning, David Barber, Cambridge University Press, 2012.
Introduction to Machine Learning (3rd Edition), Ethem Alpaydin, MIT Press , 2014.
Machine Learning: A Probabilistic Perspective, Kevin Murphy, MIT Press, 2012.
Pattern Recognition and Machine Learning, Christopher Bishop, Springer, 2006.
|
|
Ders Notları
|
Mitchell T., Machine Learning, McGraw Hill, 1997.
Artificial Intelligence: A Modern Approach (3rd Edition), Stuart Russell and Peter Norvig. Prentice Hall, 2009. ?
Bayesian Reasoning and Machine Learning, David Barber, Cambridge University Press, 2012. ?
Introduction to Machine Learning (3rd Edition), Ethem Alpaydin, MIT Press , 2014. ?
Machine Learning: A Probabilistic Perspective, Kevin Murphy, MIT Press, 2012.
Pattern Recognition and Machine Learning, Christopher Bishop, Springer, 2006.
|
|