Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| MAKİNE ÖĞRENMESİ | BUS3122368 | Güz Dönemi | 3+0 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | Dersin amacı makine öğrenmesi kavramlarını ve algoritmalarını öğretmektir. |
| Dersin İçeriği | Bu ders; Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi II,Giriş,Kavram Öğrenmesi ve Genelden Özele Sıralama,Karar Ağaçları Öğrenmesi,Yapay Sinir Ağları,Hipotezleri Değerlendirme,Bayes Öğrenmesi,Ara Sınav,Durum-tabanlı Öğrenme,Genetik Algoritmalar I,Genetik Algoritmalar II,Kural Setlerini Öğrenme,Analitik Öğrenme,Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi,Genel Değerlendirme ve Güncel Gelişmeler,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Makine öğrenmesi kavramlarını ve algoritmalarını açıklar. | ||
| Makine öğrenme sistemi tasarlar, geliştirir ve test eder. | ||
| Verilen probleme göre optimal makine öğrenmesi algoritmasını seçer. |
| Öğretim Yöntemleri: | |
| Ölçme Yöntemleri: |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi II | |
| 2 | Giriş | |
| 3 | Kavram Öğrenmesi ve Genelden Özele Sıralama | |
| 4 | Karar Ağaçları Öğrenmesi | |
| 5 | Yapay Sinir Ağları | |
| 6 | Hipotezleri Değerlendirme | |
| 7 | Bayes Öğrenmesi | |
| 8 | Ara Sınav | |
| 9 | Durum-tabanlı Öğrenme | |
| 10 | Genetik Algoritmalar I | |
| 11 | Genetik Algoritmalar II | |
| 12 | Kural Setlerini Öğrenme | |
| 13 | Analitik Öğrenme | |
| 14 | Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi | |
| 15 | Genel Değerlendirme ve Güncel Gelişmeler | |
| 16 | Genel Sınav |
| Kaynak |
| Bishop, C. M. Pattern Recognition and Machine Learning. Springer. Murphy, K. P. Machine Learning: A Probabilistic Perspective. MIT Press. Mitchell, T. M. Machine Learning. McGraw-Hill Education. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. MIT Press. Alpaydın, E. Introduction to Machine Learning. MIT Press. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | İşletme alanına ilişkin temel kuramsal ve uygulamalı bilgileri açıklar | X | |||||
| 2 | İşletmenin temel fonksiyonlarını, örgüt yapısını, kaynaklarını, paydaşlarını ve çevresini açıklar | X | |||||
| 3 | İşletme sorunlarını analiz eder | X | |||||
| 4 | İşletmenin paydaşlarıyla etkili sözlü ve yazılı iletişim kurar | X | |||||
| 5 | Bireysel ve çok kültürlü çalışma ortamlarında sorumluluk alır | X | |||||
| 6 | Alanıyla ilgili bağımsız araştırma yürütür | X | |||||
| 7 | Mesleki etik, çevre duyarlılığı, sürdürülebilirlik, sosyal sorumluluk ve evrensel değerlere uygun davranır | X | |||||
| 8 | Girişimci faaliyetlere yönelik yenilikçi iş fikirleri geliştirir | X | |||||
| 9 | İşletmecilik alanındaki ulusal ve uluslararası gelişmeleri değerlendirir | X | |||||
| 10 | İşletmelerin karar verme süreçlerinde bilimsel yöntemleri uygular | X | |||||
| 11 | İşletme amaçlarının gerçekleştirilmesine yönelik yönetsel beceriler sergiler | X | |||||
| 12 | Disiplinler arası çalışmalarda araştırma becerilerini kullanır | X | |||||
| 13 | İşletme süreçlerinde dijital dönüşüm araçlarını etkin şekilde kullanır | X | |||||
| 14 | Küresel iş trendlerini ve uluslararası pazarlama stratejilerini analiz eder | X | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Toplam İş Yükü (Saat) | 0 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30) | 0 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| MAKİNE ÖĞRENMESİ | BUS3122368 | Güz Dönemi | 3+0 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | Dersin amacı makine öğrenmesi kavramlarını ve algoritmalarını öğretmektir. |
| Dersin İçeriği | Bu ders; Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi II,Giriş,Kavram Öğrenmesi ve Genelden Özele Sıralama,Karar Ağaçları Öğrenmesi,Yapay Sinir Ağları,Hipotezleri Değerlendirme,Bayes Öğrenmesi,Ara Sınav,Durum-tabanlı Öğrenme,Genetik Algoritmalar I,Genetik Algoritmalar II,Kural Setlerini Öğrenme,Analitik Öğrenme,Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi,Genel Değerlendirme ve Güncel Gelişmeler,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Makine öğrenmesi kavramlarını ve algoritmalarını açıklar. | ||
| Makine öğrenme sistemi tasarlar, geliştirir ve test eder. | ||
| Verilen probleme göre optimal makine öğrenmesi algoritmasını seçer. |
| Öğretim Yöntemleri: | |
| Ölçme Yöntemleri: |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi II | |
| 2 | Giriş | |
| 3 | Kavram Öğrenmesi ve Genelden Özele Sıralama | |
| 4 | Karar Ağaçları Öğrenmesi | |
| 5 | Yapay Sinir Ağları | |
| 6 | Hipotezleri Değerlendirme | |
| 7 | Bayes Öğrenmesi | |
| 8 | Ara Sınav | |
| 9 | Durum-tabanlı Öğrenme | |
| 10 | Genetik Algoritmalar I | |
| 11 | Genetik Algoritmalar II | |
| 12 | Kural Setlerini Öğrenme | |
| 13 | Analitik Öğrenme | |
| 14 | Tümevarımsal ve Analitik Öğrenmenin Birleştirilmesi | |
| 15 | Genel Değerlendirme ve Güncel Gelişmeler | |
| 16 | Genel Sınav |
| Kaynak |
| Bishop, C. M. Pattern Recognition and Machine Learning. Springer. Murphy, K. P. Machine Learning: A Probabilistic Perspective. MIT Press. Mitchell, T. M. Machine Learning. McGraw-Hill Education. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. MIT Press. Alpaydın, E. Introduction to Machine Learning. MIT Press. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | İşletme alanına ilişkin temel kuramsal ve uygulamalı bilgileri açıklar | X | |||||
| 2 | İşletmenin temel fonksiyonlarını, örgüt yapısını, kaynaklarını, paydaşlarını ve çevresini açıklar | X | |||||
| 3 | İşletme sorunlarını analiz eder | X | |||||
| 4 | İşletmenin paydaşlarıyla etkili sözlü ve yazılı iletişim kurar | X | |||||
| 5 | Bireysel ve çok kültürlü çalışma ortamlarında sorumluluk alır | X | |||||
| 6 | Alanıyla ilgili bağımsız araştırma yürütür | X | |||||
| 7 | Mesleki etik, çevre duyarlılığı, sürdürülebilirlik, sosyal sorumluluk ve evrensel değerlere uygun davranır | X | |||||
| 8 | Girişimci faaliyetlere yönelik yenilikçi iş fikirleri geliştirir | X | |||||
| 9 | İşletmecilik alanındaki ulusal ve uluslararası gelişmeleri değerlendirir | X | |||||
| 10 | İşletmelerin karar verme süreçlerinde bilimsel yöntemleri uygular | X | |||||
| 11 | İşletme amaçlarının gerçekleştirilmesine yönelik yönetsel beceriler sergiler | X | |||||
| 12 | Disiplinler arası çalışmalarda araştırma becerilerini kullanır | X | |||||
| 13 | İşletme süreçlerinde dijital dönüşüm araçlarını etkin şekilde kullanır | X | |||||
| 14 | Küresel iş trendlerini ve uluslararası pazarlama stratejilerini analiz eder | X | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |