Dersin Amacı: |
Bu, Makine Öğrenmesi alanında lisansüstü düzeyde bir giriş dersidir. Makine Öğrenmesinde birçok kavram ve algoritmaya, teoriye ve pratik çalışmaya geniş bir giriş yapar. Öğreticiyle öğrenme, öğreticisiz öğrenme ve pekiştirmeli öğrenmede temel kavramlar ve seçilen makine öğrenmesi algoritmaları sunulmaktadır. |
Dersin İçeriği: |
"Makine Öğrenimi" kursu, Makine Öğrenimi (ML) alanında kapsamlı ve erişilebilir bir bilgi sağlar. Makine Öğrenimi, sistemlerin verilerden öğrenmesini ve kalıplara ve eğilimlere dayalı tahminler veya kararlar almasını sağlayan bir yapay zeka dalıdır. Bu kurs, öğrencileri makine öğrenimi kavramları, teknikleri ve uygulamaları hakkında sağlam bir anlayışla donatmak için tasarlanmıştır ve bu da onu veri odaklı problem çözme ve yapay zeka uygulamalarıyla ilgilenen herkes için ideal bir kurs haline getirir. Kurs, Lineer regresyon, lojistik regresyon, karar ağaçları ve k-en yakın komşular (KNN) gibi denetimli öğrenme algoritmaları dahil olmak üzere Makine Öğrenimi, Denetimli Öğrenmenin temellerini kapsar. Etiketli veriler üzerinde modeller geliştirmeyi ve yeni veriler üzerinde tahminler yapmayı öğreneceklerdir. Denetimsiz Öğrenme. K-Ortalamalar ve hiyerarşik kümeleme gibi kümeleme algoritmalarının yanı sıra Temel Bileşen Analizi (PCA) gibi boyutsallık azaltma yöntemlerini içeren denetimsiz öğrenme teknikleri. Model Değerlendirme ve Doğrulama bu bölümde öğrenciler, doğruluk, kesinlik, hatırlama ve F1 puanı gibi metrikler dahil olmak üzere makine öğrenimi modellerini değerlendirmeye ilişkin içgörüler kazanacaklar. Ayrıca model performansını değerlendirmek için çapraz doğrulama gibi teknikleri keşfedecekler. Öğrencileri derin öğrenme ve sinir ağları ile tanıştırır. Yapay sinir ağlarının yapısını keşfedecekler ve aktivasyon fonksiyonları, optimizasyon ve geri yayılım hakkında bilgi edinecekler. Kurs, Gerçek Dünya Uygulamalarını içerecektir. Doğal dil işleme, bilgisayarla görme ve tavsiye sistemleri gibi alanlarda pratik makine öğrenimi uygulamaları ele alınacaktır. Öğrenciler, makine öğreniminin çeşitli sektörleri nasıl şekillendirdiğini ve yenilikleri nasıl yönlendirdiğini anlayacaktır. |
Hafta |
Konu |
Ön Hazırlık |
1) |
Makine Öğrenimine Giriş
- Makine öğrenimi kavramlarına ve uygulamalarına genel bakış
- Makine öğrenimi algoritması türleri: Denetimli, Denetimsiz ve Takviyeli Öğrenim |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
2) |
Makine Öğrenimi için Matematiksel Temeller
- Doğrusal cebir ve matris işlemleri
- Makine öğrenimi için olasılık ve istatistikler |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
3) |
Denetimli Öğrenme - Doğrusal Regresyon
- Lineer Regresyon ve Düzenleme |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
4) |
Denetimli Öğrenme - Lojistik Regresyon ve SVM
- Lojistik regresyon
- Destek Vektör Makineleri (SVM) |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
5) |
Denetimli Öğrenme - Karar Ağaçları ve Topluluk Yöntemleri
- Karar ağaçları
- Topluluk yöntemleri: Rastgele Ormanlar, Gradyan Arttırma |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
6) |
Denetimsiz Öğrenme - Kümeleme
- K-Means Kümeleme
- Hiyerarşik kümeleme |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
7) |
Ara Sınav |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
8) |
Denetimsiz Öğrenme - Boyut Azaltma
- Temel Bileşen Analizi (PCA)
- t-Dağıtılmış Stokastik Komşu Gömme (t-SNE) |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
9) |
Derin Öğrenme - Sinir Ağları Temelleri
- Sinir ağı temelleri
- İleri Besleme ve Geri Yayılım |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
10) |
Derin Öğrenme - Evrişimli Sinir Ağları (CNN'ler)
- Konvolüsyonel Sinir Ağları (CNN'ler) ve Görüntü Tanıma |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
11) |
Derin Öğrenme - Tekrarlayan Sinir Ağları (RNN'ler) ve NLP
- Tekrarlayan Sinir Ağları (RNN'ler)
- Doğal Dil İşleme (NLP) uygulamaları |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
12) |
Model Değerlendirme ve Hiperparametre Ayarı
- Çapraz doğrulama ve model seçimi
- Hiperparametre optimizasyonu |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
13) |
Model Değerlendirme ve Hiperparametre Ayarı
- Çapraz doğrulama ve model seçimi
- Hiperparametre optimizasyonu |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
14) |
Gerçek Dünya Uygulamaları ve Etik Hususlar
- Sağlık ve tıbbi uygulamalar
- Finansal analiz ve dolandırıcılık tespiti
- AI ve veri gizliliğinin etik sonuçları |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
15) |
Gerçek Dünya Uygulamaları ve Etik Hususlar
- Sağlık ve tıbbi uygulamalar
- Finansal analiz ve dolandırıcılık tespiti
- AI ve veri gizliliğinin etik sonuçları |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
16) |
Final |
Unraveling the Mathematics of Machine Learning and Deep Learning Algorithms: Demystifying Basic to Advanced Concepts & Mathematics of Machine Learning and Deep Learning Paper Cover – 22 February 2022
English Publishing, Pradeep Tripathi (Author) |
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Yazılım mühendisliği, veri yönetimi ve bilgisayar güvenliği gibi temel bilgi teknolojilerindeki güncel teknik kavramları ve uygulamaları kullanma becerisi. |
|
2) |
Kullanıcı ihtiyaçlarının belirlenmesi, analiz edilmesi ve bilgisayar tabanlı sistemlerin seçiminde, değerlendirilmesinde ve yönetiminde kullanımının anlaşılması. |
|
3) |
Veri yapılarını kullanma ve algoritma geliştirme becerisi. |
|
4) |
Karmaşık büyük veri sistemlerini analiz etme ve yorumlama becerisi. |
|
5) |
Makine öğrenmesindeki kavram ve algoritmaların yorumlanması ve uygulanması becerisi. |
|
6) |
Veri analizi alanındaki derin öğrenmenin Matematik temellerinin anlaşılması ve teoriyi uygulama becerisi. |
|
7) |
Karmaşık veri yapılarını çözme, derin öğrenme modelleri geliştirme ve uygulama becerisi ve bu konularla ilgili yapay zeka odaklı araştırmaları yorumlama becerisi. |
|
8) |
Görüntü analizi, doğal dil işleme ve öneri sistemlerindeki sorunları çözmek için derin öğrenme tekniklerini uygulama ve gerçek dünya veri kümeleri ve projelerini yorumlama becerisi. |
|
9) |
Dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını pratik uygulamalara aktarma becerisi. |
|
10) |
İnternet aracılığıyla kullanılan araç ve teknolojiler ile sunucu kodlama dilleri ve araçları için kullanılan farklı teknolojiler hakkında bilgi kazanılması. |
|
11) |
Tek hücreli organizmalarda genetik bilgi akışı ve çok hücreli organizmalarda genlerin nasıl işlediğinin anlaşılması ve biyoteknoloji alanındaki uygulamaları yorumlama ve uygulama becerisi. |
|
12) |
Etik değerlerin bilincinde olunması ve bu değerler çerçevesinde araştırma ve uygulama yapılması gerekliliğinin anlaşılması. |
|