AKTS - Pratik Makine Öğrenimi
Pratik Makine Öğrenimi (ISE441) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| Pratik Makine Öğrenimi | ISE441 | 7. Dönem | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| N/A |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Zorunlu Bölüm Dersleri |
| Dersin Seviyesi | Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Bu dersin amacı, bilgi sistemleri mühendisliği bağlamında öğrencilerin veri odaklı problemler için uçtan uca bir süreç oluşturmalarını (veri toplama, ön işleme, görselleştirme/analiz, modelleme ve test/değerlendirme dahil); uygun algoritmaları ve performans ölçütlerini seçmelerini; çapraz doğrulama ve hiperparametre optimizasyonu kullanarak genelleştirilebilir modeller geliştirmelerini; ve bulguları teknik raporlar ve sunumlar aracılığıyla etkili bir şekilde iletmelerini sağlamaktır. Bu amaç, dersin resmi içerik başlıklarıyla tutarlıdır. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Veri toplama, Veri ön işleme, Veri görselleştirme ve analizi, Öznitelik mühendisliği, Makine öğrenme algoritmaları, Makine öğrenme modeli seçimi ve eğitimi, Model test etme ve değerlendirme, Hiperparametre optimizasyonu, Çapraz doğrulama |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Ders tanıtımı; Makine öğrenimi yaşam döngüsü; veri-model-değerlendirme süreci | İstatistiksel Öğrenmeye Giriş (Bölüm 1'e Giriş) |
| 2 | Veri kaynakları; veri toplama; veri kalitesi; temel etik/standartlar bilinci | scikit-learn ve pandas dokümanlarına giriş |
| 3 | Veri ön işleme I: Eksik değerler, aykırı değerler, veri tipleri | pandas Kullanıcı Kılavuzu: eksik veriler |
| 4 | Keşifsel Veri Analizi ve Görselleştirme; Değişken İlişkileri; Veri Sızıntısı Risklerine Giriş | scikit-learn: değerlendirmeye genel bakış |
| 5 | Özellik mühendisliği; ölçeklendirme ve kodlama; işlem hatları | scikit-learn: model seçimi ve iş akışları |
| 6 | Denetimli öğrenme I: regresyon; hata ölçütleri; temel düzenleme | ISL: regresyon bölümleri |
| 7 | Denetimli öğrenme II: sınıflandırma; karışıklık matrisi; ROC–AUC, F1 | ISL: sınıflandırma bölümleri |
| 8 | Dönem ortası sınavı; dönem projesi problemi ve veri seti onayı | Proje yönergeleri (kurumsal) |
| 9 | Ağaçlar ve topluluklar (RF/güçlendirme); aşırı uyum tartışması | ISL: ağaçlar/topluluklar |
| 10 | Denetimsiz öğrenme: kümeleme; boyut indirgeme (PCA) | ISL: denetimsiz öğrenme |
| 11 | Model değerlendirmesi: çapraz doğrulama; sızıntıyı dikkate alan tasarım | scikit-learn çapraz doğrulama |
| 12 | Hiperparametre optimizasyonu: ızgara/rastgele; iç içe fikirler | scikit-learn hiperparametre ayarlaması |
| 13 | Hata analizi; ölçüt seçimi; yorumlanabilirlik ve rapor yazımı | Yapıcı uyum ve raporlama notları |
| 14 | Uygulama örneği: Bilgi sistemlerinde tahmin/segmentasyon/anomali; devreye alma öncesi kontrol listesi | Ders notları + tekrar |
| 15 | Proje sunumları; akran geri bildirimi; genel değerlendirme | Proje raporu şablonu |
| 16 | Final Sınavı | ISL incelemesi + ders notları |
Kaynaklar
| Ders Kitabı | 1. An Introduction to Statistical Learning (official website provides access to R and Python editions) |
|---|---|
| Diğer Kaynaklar | 2. The Elements of Statistical Learning (official author website provides access to the PDF) |
| 3. Introduction to Machine Learning (MIT Press book page) |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | 3 | 10 |
| Ödevler | 4 | 20 |
| Sunum | - | - |
| Projeler | 1 | 25 |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 1 | 20 |
| Genel Sınav/Final Juri | 1 | 25 |
| Toplam | 10 | 100 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 50 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 50 |
| 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 alanlarında yeterli bilgi birikimi kazanır; bu alanlardaki kuramsal ve uygulamalı bilgileri, bilişim sistemleriyle ilgili mühendislik problemlerinin çözümünde kullanabilir. | |||||
| 2 | Karmaşık mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaçla uygun analiz ve modelleme yöntemlerini seçer ve uygular. | |||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular. | |||||
| 4 | Bilişim sistemleri 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. | |||||
| 5 | Karmaşık mühendislik problemlerinin veya bilişim sistemleri mühendisliği disiplinine özgü araştırma konularının incelenmesi için, deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. | |||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde görev yapabilir; bireysel olarak çalışabilir. | |||||
| 7 | a. Sözlü ve yazılı etkin iletişim kurar; etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlayabilir, etkin sunum yapabilir, açık ve anlaşılır talimat verir ve alır. b. En az bir yabancı dil bilir. | |||||
| 8 | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık kazanır; bilgiye erişebilir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | |||||
| 9 | a. Etik ilkelerine uygun davranır, mesleki ve etik sorumluluk bilinci kazanır. b. Bilişim sistemleri mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi edinir. | |||||
| 10 | a. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi edinir. b. Girişimcilik, yenilikçilik hakkında farkındalık kazanır. c. Sürdürülebilir kalkınma hakkında bilgi edinir. | |||||
| 11 | a. Bilişim sistemleri mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi edinir. b. Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık kazanır. | |||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Teorik Ders saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 16 | 1 | 16 |
| Sunum/Seminer Hazırlama | |||
| Projeler | 1 | 10 | 10 |
| Raporlar | |||
| Ödevler | 4 | 4 | 16 |
| Küçük Sınavlar/Stüdyo Kritiği | 3 | 2 | 6 |
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 1 | 15 | 15 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 20 | 20 |
| Toplam İş Yükü | 131 | ||