MÜHENDİSLİK FAKÜLTESİ

Yazılım Mühendisliği

CE 395 | Ders Tanıtım Bilgileri

Dersin Adı
Otomatik Öğrenme Özel Konuları
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
CE 395
Güz/Bahar
3
0
3
5

Ön-Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Seçmeli
Dersin Düzeyi
Lisans
Dersin Veriliş Şekli -
Dersin Öğretim Yöntem ve Teknikleri Problem çözme
Anlatım / Sunum
Dersin Koordinatörü
Öğretim Eleman(lar)ı -
Yardımcı(ları) -
Dersin Amacı Bu ders, ileri otomatik öğrenme metotları için gereken matematiksel ve kavramsal temelleri vermektedir. Bu derste, örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, vektör ve matris manipülasyonları, sayısal optimizasyon ve istatistiksel öğrenme teorisinin temelleri kapsanacaktır.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Veri işleme algoritmalarına dahil olarak işaret örnekleme ve filtreleme prensiplerini uygulayabilecektir.
  • Veri işleme algoritmalarında vektör ve matrisleri kullanabilecektir.
  • Otomatik öğrenme algoritmaları için sayısal optimizasyon yöntemlerini kullanabilecektir.
  • İstatistiksel öğrenme teorisinin prensiplerini tanımlayabilecektir.
  • Otomatik öğrenme algoritmalarını Bayas-varyans ödünleşimi, model karmaşıklığı, çarpaz geçerlilik boyutlarında karşılaştırabilecektir.
Ders Tanımı Aşağıdaki konular ders programına dahil olacaktır: örnekleme ve bilgi teorisi, sayısal filtreleme ve ayrık Fourier dönüşümü, temel vektör ve matris işlemleri, sayısal optimizasyon temelleri, istatistiksel öğrenme teorisinin temelleri.

 



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
1 Giriş: Otomatik öğrenme nedir? Bölüm 1. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning. ISBN 9780387216065
2 İşaret örnekleme temelleri - örnekleme frekansı, Nyquist frekansı, sinyal ve resim çözünürlüğü, Shannon bilgi teorisi, verimli kodlar, veri sıkıştırması Bölüm 1. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
3 Sayısal filtrelemeye giriş, evrişim, doğrusal ve zamanda değişmez sistem teorisi, 1D ve 2D filtreler, doğrusal ve doğrusal olmayan filtreler Bölüm 2. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
4 Fourier dönüşümü, ayrık Fourier dönüşümü, sinyal ve resmin spektrumu, karmaşık sayılar Bölüm 3. Signals & Systems. Oppenheim & Willsky. ISBN 0136511759.
5 Doğrusal cebir özeti - satır ve sütün vektörleri, matrisler, matris çarpımı, dışlar çarpımı, norm Linear Algebra and Its Applications, David C. Lay, Steven R. Lay, Judi J. McDonald, Pearson, 5th Edition
6 Sayısal optimizasyonun temelleri – optimallik koşulları, KKT koşulları, eğim azalma optimizasyonu, konveks optimizasyon programları Bölüm 1. Kısım 1.1-1.4. Bölüm 4. Kısım 4.3, 4.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition
7 Ara-sınav
8 Primal-dual teorisi, büyük ölçekte optimizasyon, stokastik eğim azalma yöntemi Bölüm 2. Bölüm 6. Kısım 6.1-6.4. Nonlinear Programming, D. Bertsekas, Athena Scientific, 3rd Edition
9 Olasılık özeti, rastgele değişkenler ve olasılık dağılımları, Bayes teoremi, beklenen değerler, Büyük Sayılar Kanunu, Merkez Limit Teoremi, Markov, Jensen, Chernoff ve Hoeffding eşitsizlikleri Statistics for Engineers and Scientists, William Navidi, 4th Ed., Mc-Graw Hill.
10 İstatistiksel öğrenme teorisine giriş - istatistiksel faaliyet olarak öğrenme, denetimli ve denetimsiz öğrenme, regresyon ve sınıflandırma Bölüm 2. Kısım 2.1-2.3. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
11 İstatistiksel karar verme teorisi, fonksiyon kestirimi, istatistiksel modeller, kısıtlanmış kestirimler, boyutluluk laneti, bayas-varyans ödünleşimi Bölüm 2. Kısım 2.4-2.6, 2.8. Bölüm 7. Kısım 7.2. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
12 Model değerlendirilme ve seçimi, efektif model boyutları, AIC, BIC, Vapnik-Chervonenkis boyutu Bölüm 7. Kısım 7.2-7.7. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
13 Vapnik-Chervonenkis boyutu, çarpaz geçerlilik ve özellikleri, bootstrap metodları Bölüm 7. Kısım 7.9-7.11. The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman, ISBN 9780387216065
14 Dönemin gözden geçirilmesi
15 Dönemin gözden geçirilmesi
16 Dönemin gözden geçirilmesi

 

Ders Kitabı

A. Oppenheim, A. Willsky, Signals & Systems, Pearson, 1996, ISBN 0136511759

Önerilen Okumalar/Materyaller

D. Lay, S. Lay, J. McDonald, Linear Algebra and Its Applications, Pearson, 5th Edition, 2015, ISBN 9780321982384

D. Bertsekas, Nonlinear Programming, Athena Scientific, 3rd Edition, 2016, ISBN 9781886529052

W. Navidi, Statistics for Engineers and Scientists, Mc-Graw Hill, 3rd Edition, 2010, ISBN 9780073376332

T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Springer, 2013, ISBN 9780387216065.

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri Sayı Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
5
20
Sunum / Jüri Önünde Sunum
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
1
30
Final Sınavı
1
50
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
6
50
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
1
50
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x teorik ders saati)
16
0
Laboratuvar / Uygulama Ders Saati
(Sınav haftası dahildir. 16 x uygulama/lab ders saati)
16
0
Sınıf Dışı Ders Çalışması
0
Arazi Çalışması
0
Küçük Sınav / Stüdyo Kritiği
0
Portfolyo
0
Ödev
0
Sunum / Jüri Önünde Sunum
0
Proje
0
Seminer/Çalıştay
0
Sözlü Sınav
0
Ara Sınavlar
1
0
Final Sınavı
1
0
    Toplam
0

 

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.

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.

6

Yazılım Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler.

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.

9

Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilincine sahiptir; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibidir. 

10

Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibidir; girişimcilik, yenilikçilik hakkında bilinçlidir; sürdürülebilir kalkınma hakkında bilgi sahibidir.

11

Bir yabancı dili kullanarak Yazılım Mühendisliği ile ilişkili konularda, bilgi toplar ve meslektaşları ile iletişim kurar. ("European Language Portfolio Global Scale", Level B1)

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. 

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


SOSYAL MEDYA

İzmir Ekonomi Üniversitesi
izto logo
İzmir Ticaret Odası Eğitim ve Sağlık Vakfı
kuruluşudur.
ieu logo

Sakarya Caddesi No:156
35330 Balçova - İzmir / TÜRKİYE

kampus izmir

Bizi Takip edin

İEU © Tüm hakları saklıdır.