1. LİSANS
  2. TEKNOLOJİ FAKÜLTESİ
  3. BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ
  4. 185 BİYOMEDİKAL MÜHENDİSLİĞİ
Ders Bilgileri Ders Öğrenme Kazanımları Dersin Program Yeterlilikerine Katkısı AKTS / İş Yükü Tablosu Ders Şubeleri
Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
BMM 429MAKİNE ÖĞRENMESİ 3 + 06. Yarıyıl4

DERS TANIMI
Ders Düzeyi Lisans
Ders Türü Seçmeli
Dersin Amacı Bu dersin amacı, öğrencilere makine öğrenme kavramını ve farklı öğrenme metotlarını öğretmektir. Bu dersin sonucunda, öğrenci gerçek hayattaki bir probleme en uygun hangi makine öğrenme metodunu uygulayacağını ve bu metodun hata ve karmaşıklık açısından nasıl analiz edeceğini öğrenecektir.
Ders İçeriği Makine öğrenmesine giriş, örneklemeli öğrenme, çok değişkenli modeller ve regresyon, model derecesi ve genelleme özellikleri, k-means kümeleme algoritması, karar ağaçları, Bayes karar teorisi, yapay sinir ağları, destek vektör makineleri, boyut indirgeme ve temel bileşen analizi.
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1"1. Makine öğrenmesi ile ilgili temel kavramları bilir 2. Makine öğrenme metotları arasındaki farkları ayırt etmek 3. Makine öğrenme metodunu seçerken ve uygularken hangi parametrelere dikkat edilmesi gerektiğini kavramak 4. Verilen bir veri üzerinde uygulanabilir makine öğrenmesi metodlarının analizini bilgisayarda kodlayarak uygulamak"

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07PY 08PY 09PY 10PY 11PY 12PY 13PY 14
ÖK 001              
Ara Toplam              
Katkı00000000000000

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Arasınavlar(hazırlık süresi dahil)12020
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)12222
İnternette Tarama/ Kütüphane Çalışması12020
Toplam İş Yükü

Dersin AKTS Kredisi





104

4
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2023-2024 Bahar1EŞREF BOĞAR
Detay 2022-2023 Güz1METE OKAN ERDOĞAN
Detay 2021-2022 Güz1METE OKAN ERDOĞAN
Detay 2019-2020 Bahar1EŞREF BOĞAR


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi
BMM 429 MAKİNE ÖĞRENMESİ 3 + 0 1 Türkçe 2023-2024 Bahar
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Dr. Öğr. Üyesi EŞREF BOĞAR ebogar@pau.edu.tr TEK A0002 Dersin Devam Yüzdesi : %60
Amaç Bu dersin amacı, öğrencilere makine öğrenme kavramını ve farklı öğrenme metotlarını öğretmektir. Bu dersin sonucunda, öğrenci gerçek hayattaki bir probleme en uygun hangi makine öğrenme metodunu uygulayacağını ve bu metodun hata ve karmaşıklık açısından nasıl analiz edeceğini öğrenecektir.
İçerik Makine öğrenmesine giriş, örneklemeli öğrenme, çok değişkenli modeller ve regresyon, model derecesi ve genelleme özellikleri, k-means kümeleme algoritması, karar ağaçları, Bayes karar teorisi, yapay sinir ağları, destek vektör makineleri, boyut indirgeme ve temel bileşen analizi.
Haftalık Konu Başlıkları
HaftaKonular
1 Makine öğrenmesine giriş
2 Örneklemeli öğrenme
3 Çok değişkenli modeller ve regresyon
4 Çok değişkenli modeller ve regresyon
5 Yapay sinir ağları
6 Yapay sinir ağları
7 Yapay sinir ağları
8 Kümeleme algoritmaları
9 Kümeleme algoritmaları
10 Destek vektör makineleri
11 Destek vektör makineleri
12 Destek vektör makineleri
13 Karar ağaçları
14 Boyut indirgeme ve temel bileşen analizi.
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
KaynaklarKaynak Dili
T. Mitchell, "Machine Learning", McGraw-Hill, 1997.English
C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007.English
S. Haykin, "Neural Networks and Learning Machines", Prentice Hall, 2008.English
R. O. Duda, Pattern Classification, Wiley-Interscience, 2000.English
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı50Dönem Sonu Sınavı
Ara Sınav50Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları