MÜHENDİSLİK FAKÜLTESİ
Yazılım Mühendisliği
SOSYAL MEDYA
CE 344 | Ders Tanıtım Bilgileri
| Dersin Adı |
İleri Otomatik Öğrenme
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
CE 344
|
Güz/Bahar
|
3
|
0
|
3
|
5
|
| Ön-Koşul(lar) |
Yok
|
|||||
| Dersin Dili |
İngilizce
|
|||||
| Dersin Türü |
Servis Dersi
|
|||||
| Dersin Düzeyi |
Lisans
|
|||||
| Dersin Veriliş Şekli | - | |||||
| Dersin Öğretim Yöntem ve Teknikleri | TartışmaProblem çözmeSoru & CevapKritik vermeAnlatım / Sunum | |||||
| Dersin Koordinatörü | ||||||
| Öğretim Eleman(lar)ı | ||||||
| Yardımcı(ları) | ||||||
| Dersin Amacı | Bu dersin amacı, modern otomatik öğrenme alanındaki algoritmalar ve teknikler hakkında ileri seviyede bir bilgi birikimi sağlamaktır. Bu algoritmalar ve tekniklerin hem temel ve gelişmiş teorik özellikleri hem de bu irdelenen teoriden kaynaklanan pratik uygulamaları tartışılacaktır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | İleri otomatik öğrenme konularının anlatıldığı bu ders eğitme verilerinin toplanması, verilerden istatistiksel yapı çıkarımının öğrenilmesi, aşırı-uyma, parametrik modeller ve parameter seçimi, doğrulama, regresyon, sınıflandırma, parametrik olmayan modeller, gruplaştırma konularını kapsamaktadır. |
|
|
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 | Otomatik öğrenmeye giriş. Olasılık tekrarı | Bölüm 1-2. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 2 | Ayrık veriler için üretici modeller. Gaussian modeller | Bölüm 3-4. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 3 | Bayesian ve frequentist istatistik | Bölüm 5-6. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 4 | Lineer ve logistik regresyon | Bölüm 7-8. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 5 | Genelleştirilmiş lineer modeller ve üstel aile | Bölüm 9. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 6 | Grafiksel modeller: Markov rastgele alanı ve Bayes ağları | Bölüm 10 and 19. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 7 | Karışım modelleri ve EM algoritması | Bölüm 11. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 8 | Gizli lineer ve seyrek lineer modelleri | Bölüm 12-13. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 9 | Markov and saklı Markov modelleri | Bölüm 17. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 10 | Ara-sınav | |
| 11 | Grafiksel modeller için kesin çıkarım. Değişimsel çıkarım | Bölüm 20-21-22. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 12 | Monte Carlo and Markov zinciri Monte Carlo çıkarımı | Bölüm 23-24. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 13 | Çekirdek modelleri | Bölüm 14. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 14 | Gruplaştırma | Bölüm 25. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029 |
| 15 | Dönemin gözden geçirilmesi | |
| 16 | Final Sınavı |
| Ders Kitabı | Kevin Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012, ISBN: 9780262018029 |
| Önerilen Okumalar/Materyaller | Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006, ISBN: 9780387310732 |
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | ||
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği |
4
|
30
|
| Portfolyo | ||
| Ödev | ||
| Sunum / Jüri Önünde Sunum | ||
| Proje | ||
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav |
1
|
30
|
| Final Sınavı |
1
|
40
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
5
|
60
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
| 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
|
3
|
42
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
4
|
2
|
8
|
| Portfolyo |
0
|
||
| Ödev |
0
|
||
| Sunum / Jüri Önünde Sunum |
0
|
||
| Proje |
0
|
||
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
1
|
25
|
25
|
| Final Sınavı |
1
|
25
|
25
|
| Toplam |
148
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Matematik, Fen Bilimleri, Bilgisayar Bilimleri ve Yazılım Mühendisliği konularında yeterli bilgi sahibidir; bu alanlardaki kuramsal ve uygulamalı bilgileri, Yazılım Mühendisliği problemlerinde kullanır. |
X | ||||
| 2 | Karmaşık Yazılım Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaca uygun analiz ve modelleme yöntemlerini seçer ve uygular. |
X | ||||
| 3 | Karmaşık bir yazılım sistemini, süreci veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar, gerçekleştirir, sınar, doğrular, raporlar, ölçer ve bakımını yapar; bu amaçla modern yöntemleri uygular. |
X | ||||
| 4 | Yazılım Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır. |
X | ||||
| 5 | Yazılım Mühendisliği problemlerinin incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. |
X | ||||
| 6 | Yazılım Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. |
X | ||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurar; etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır. |
|||||
| 8 | Mühendislik ve Yazılım uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; mühendislik ve yazılım çözümlerinin hukuksal sonuçlarının farkındadır. |
X | ||||
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilincine sahiptir; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibidir. |
X | ||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibidir; girişimcilik, yenilikçilik hakkında bilinçlidir; sürdürülebilir kalkınma hakkında bilgi sahibidir. |
X | ||||
| 11 | Bir yabancı dili kullanarak Yazılım Mühendisliği ile ilişkili konularda, bilgi toplar ve meslektaşları ile iletişim kurar. ("European Language Portfolio Global Scale", Level B1) |
X | ||||
| 12 | İkinci yabancı dili orta düzeyde kullanır. |
|||||
| 13 | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilgiye erişebilir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler; insanlık tarihi boyunca oluşan bilgi birikimini Yazılım Mühendisliği alanıyla ilişkilendirir. |
X | ||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest
SOSYAL MEDYA