DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	5
ÖĞRETİM ELEMAN(LAR)I	Profesör Doktor Mehmet Güray Ünsal
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Makina öğrenme alanındaki temel metodlara ilişkin bilgi sahibi olacaktır. 2) Makina öğrenme yöntemlerini kullanarak pratik problemleri modelleme ve çözme becerisi kazanacaktır.
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER
DERS TANIMI	Temel makine öğrenmesi uygulamalarını kullanılmasını ve çıkarımların yapılmasını amaçlayan bir derstir.
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Temel kavramalar, Makine Öğrenmesine Giriş 2. Hafta Makine Öğrenmesi Türleri ve Performans Değerlendirme 3. Hafta Veri İçin Ön İşlemler (Önişleme) 4. Hafta Denetimli (Supervised) Öğrenme 1 (Çoklu Doğrusal Regresyon, Ridge Regresyon ve LASSO Temelli Makine Öğrenmesi) 5. Hafta Denetimli Öğrenme 2 (k-En Yakın Komşuluk) 6. Hafta Denetimli Öğrenme 3 (Destek Vektör Makineleri) 7. Hafta Denetimli Öğrenme 4 (Basit Bayes Sınıflandırıcı) 8. Hafta Ara Sınav 9. Hafta Denetimli Öğrenme 5 (İkili (Binary) Lojistik Regresyon) 10. Hafta Denetimsiz (Unsupervised) Öğrenme 1 (Temel Bileşenler Analizi) 11. Hafta Denetimsiz (Unsupervised) Öğrenme 2 K-Ortalamalar (K-Means) 12. Hafta Topluluk (Ensemble) Öğrenmesi : Rastgele Orman 13. Hafta En İyi Modelin Seçimi (K-katlı çapraz doğrulama-K-Folds Cross Validation) ve Hiper Parametre Seçimi 14. Hafta AdaBoost (Adaptive Boosting), Gradient Boosting ve XGBoost (Extreme Gradient Boosting) Yöntemleri ve Proje sunumu
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	T. Mitchell, "Machine Learning", McGraw-Hill, 1997. C. M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2007. N. Gürsakal, Makine Öğrenmesi, Dora Yayın, 2018. ME. Balaban, E. Kartal, Veri Madenciliği ve Makine Öğrenmesi, Çağlayan Yayıncılık, 2018. M. Kubat, Introduction to Machine Learning, Springer, 2017.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Anlatım,Eğitim-Uygulama
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 30 Proje 1 30 Toplam(%) 60 Yıl İçinin Başarıya Oranı(%) 60 Finalin Başarıya Oranı(%) 40 Toplam(%) 100
AKTS İŞ YÜKÜ	Aktivite Sayı Süresi(Saat) İş Yükü Ara Sınav 1 2 2 Kısa Sınavlara hazırlık Sınıf Dışı Ders Çalışma Süresi 14 3 42 Final Sınavına Hazırlık 1 25 25 Ders Saati 14 3 42 Ara Sınava Hazırlık 1 25 25 Laboratuvar Final Sınavı 1 2 2 Ödevler Proje 1 12 12 Toplam İş Yükü 150 Toplam İş Yükü / 30 5 Dersin AKTS Kredisi 5
DİL	Türkçe
STAJ / UYGULAMA	Yok