Bu dersin sonunda öğrenciler; 1) Hipotez ve versiyon uzaylarını bilir. 2) Öğrenme sistemi tasarlar. 3) Makine öğrenme tekniklerini spesifik bir probleme nasıl uygulayacağını bilir.
DERSİN VERİLİŞ BİÇİMİ
Yüz Yüze
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
Yok
DERS TANIMI
Otomatik öğrenme paradigmaları. Kavram öğrenme, genelden özele sıralanış ve versiyon uzayları. Karar ağacı öğrenme. Yapay sinir ağları, algılayıcılar ve çok katmanlı ağlar. Bayes öğrenme. Örneklerle öğrenme. Destek vektör makinesi. Genetik algoritmalar. Seçilen problemler üzerinde uygulamalar.
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
Otomatik öğrenme paradigmaları.
2. Hafta
Kavram öğrenme, genelden özele sıralanış ve versiyon uzayları.
3. Hafta
Kavram öğrenme, genelden özele sıralanış ve versiyon uzayları.
4. Hafta
Karar ağacı öğrenme.
5. Hafta
Karar ağacı öğrenme.
6. Hafta
Yapay sinir ağları, algılayıcılar ve çok katmanlı ağlar.
7. Hafta
Yapay sinir ağları, algılayıcılar ve çok katmanlı ağlar.
8. Hafta
Ara-sınav
9. Hafta
Bayes öğrenme.
10. Hafta
Örneklerle öğrenme.
11. Hafta
Destek vektör makinesi.
12. Hafta
Genetik algoritmalar.
13. Hafta
Genetik algoritmalar.
14. Hafta
Seçilen problemler üzerinde uygulamalar.
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
1. Machine Learning, Tom Mitchell, McGraw-Hill. 2. Pattern Recognition and Machine Learning, Christopher Bishop, Springer. 3. Pattern Classification, Richard O. Duda, Wiley.