AKTS - Mühendisler için Makine Öğrenmesi

Mühendisler için Makine Öğrenmesi (CMPE468) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Mühendisler için Makine Öğrenmesi CMPE468 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Seçmeli Dersler
Dersin Seviyesi Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı Bu dersin amacı; Makine öğrenmesi kavramlarını, algoritmalarını ve bunların mühendislik alanına uygulanmasını ileri seviye kalkülüs, lineer cebir ve olasılık teorisi gerektirmeden sağlamak ve farklı disiplinlerden öğrenciler ile oluşturulan disiplinler arası takım çalışması ile bir proje geliştirme becerisinin kazandırılmasıdır.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Makine öğrenmesinin temel kavramları ve algoritmaları ile bunların uygulamalarını tanımlayabilmek
  • Makine öğrenmesi modellerini başarımını ölçmek ve parametre ayarlarını yapabilmek
  • Makine öğrenmesinde kullanılan algoritmaları belirli mühendislik problemlerine uygulayabilme
  • Farklı disiplinlerden öğrenciler ile oluşturulan disiplinler arası takım çalışması ile bir proje geliştirme
Dersin İçeriği Yapay zeka, makine öğrenmesi, denetimli ve denetimsiz öğrenme, ikili sınıflandırma, çoklu sınıflandırma, kestirim, kümeleme, modellerin başarımını ölçmek.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Neden Makine öğrenmesi? İlk örnek uygulama: Iris çiçeğinin sınıflandırılması Ünite 1 (ana ders kitabı)
2 Denetimli öğrenme: Sınıflandırma ve Kestirim Ch. 2.1
3 K-En Yakın Komşular Algoritması Ch. 2.2
4 Lineer Modeller Ch. 2.3
5 Naive Bayes Sınıflandırıcı Ch. 2.4
6 Karar Ağaçları Ch. 2.5
7 Rastgele Ağaçlar Ch. 2.6
8 Destek Vektör Makineleri Ch. 2.7
9 Denetimsiz öğrenme Ch. 3.1
10 Kümeleme: K-Means Algoritması Ch. 3.5
11 Modellerini başarımını ölçmek: Çapraz doğrulama, birini-dışarıda-bırak, grid tarama Ch 5.1
12 Başarımın Ölçütleri ve Puanlaması Ch. 5.2
13 Proje sunumları
14 Proje Sunumları

Kaynaklar

Ders Kitabı 1. Introduction to Machine Learning with Python, A Guide for Data Scientists by Andreas C. Müller and Sarah Guido, O’Reilly Media, Inc, October 2016
Diğer Kaynaklar 3. Machine Learning 101, Data Science. Nov 26, 2018
4. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems / Aurelien Geron.
5. Introduction to Machine Learning, Ethem Alpaydin. MIT Press, 2014.
6. Orange web site, https://orange.biolab.si/

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler - -
Sunum - -
Projeler 1 30
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 30
Genel Sınav/Final Juri 1 40
Toplam 3 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 40
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri X
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Matematik, fen bilimleri ve hesaplama alanlarındaki bilgi birikimini imalat teknolojileri ile ilgili mühendislik problemlerinin çözümünde uygulama becerisi
2 İmalat Teknolojilerine özgü sorunları analiz etme ve tanımlama yeteneği
3 Karşılaşılan mühendislik sorununun çözümüne yönelik bir yaklaşım geliştirme ve model ve deney tasarlama ve yapma becerisi
4 Temel mühendislik ilkelerinin yaratıcı kullanımına dayalı kapsamlı bir imalat sistemini (yöntem, ürün veya cihaz geliştirme) ekonomik, çevresel sürdürülebilirlik ve üretilebilirlik kısıtları altında tasarlama becerisi
5 İmalat mühendisliği uygulamaları için modern teknik ve mühendislik araçlarını kullanma ve seçme yetisi
6 Bilgi teknolojilerini etkin kullanarak veri toplama, analiz etme, kritik düşünebilme, yorumlama ve doğru kararlar alabilme becerisi
7 Çok disiplinli ve disiplin içi takım üyesi ve/veya bireysel olarak etkin bir şekilde çalışabilecek özgüven ve gerekli örgütsel iş becerileri
8 Türkçe ve İngilizcede sözlü ve yazılı olarak etkin iletişim kurabilme becerisi
9 Yaşam boyu öğrenme ve bilgiye erişebilme, bilim ve teknolojideki son gelişmeleri takip edebilme ve kendini sürekli yenileme kabiliyeti
10 İmalat Mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci
11 Ulusal rekabet gücünü artırmak ve imalat sanayinin verimliliğini iyileştirmek üzere, kaynakları (personel, donanım, maliyet) etkin kullanan çözüm odaklı proje ve risk yönetimi, girişimcilik, yenilikçilik ve sürdürülebilir kalkınma konularında farkındalık
12 Karar alırken, mühendislik uygulamalarının evrensel ve yerel ölçeklerde sağlık, çevresel, sosyal ve hukuksal sonuçları konusunda bilgili

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama
Projeler 1 10 10
Raporlar
Ödevler
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 15 15
Toplam İş Yükü 115