Biyomedikal Mühendisliği

CE 344 | Ders Tanıtım Bilgileri

Dersin Adı

Advanced Automatic Learning

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
CE 344	SPRING	3	0	3	5

Ön-Koşul(lar)	None
Dersin Dili	English
Dersin Türü	ELECTIVE_COURSE
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli
Dersin Öğretim Yöntem ve Teknikleri	Discussion Problem solving Question & Answer Criticism Lecture/Presentation
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Kutluhan Erol
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Kutluhan Erol
Yardımcı(ları)	-

Dersin Amacı

The aim of this course is to provide an advanced knowledge of algorithms and techniques in the field of modern machine learning. Both the basic and advanced theoretical aspects of these algorithms and techniques, as well as the practical applications resulting from this theory will be discussed.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Ad	Açıklama	PC Alt	* Katkı Düzeyi
Ad	Açıklama	PC Alt	1	2	3	4	5
LO1	Describe a wide range of advanced machine learning algorithms and techniques,			X
LO2	Be able to apply algorithms and techniques in the field of advanced machine learning,						X
LO3	Compare different algorithms and techniques in the field of advanced machine learning,			X
LO4	Design various advanced machine learning algorithms for specific problems,		X
LO5	Evaluate practical applications of advanced machine learning techniques.				X

Ders Tanımı

This course covers advanced machine learning topics, including collecting training data, learning to infer statistical structure from data, overfitting, parametric models and parameter selection, validation, regression, classification, nonparametric models, and clustering.

Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri	X
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta	Konular	Ön Hazırlık	Öğrenme Çıktısı
1	Introduction to machine learning. Probability repetition	Part 1-2. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	e219e649
2	Generative models for discrete data. Gaussian models	Part 3-4. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	e219e649
3	Bayesian and frequentist statistics	Part 5-6. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	e219e649
4	Linear and logistic regression	Part 7-8. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	896e6dff
5	Generalized linear models and exponential families	Part 9. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	896e6dff
6	Graphical models: Markov random field and Bayesian networks	Part 10-19. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	14601732
7	Mixture models and EM algorithm	Part 11. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	14601732
8	Hidden linear and sparse linear models	Part 12-13. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	14601732
9	Markov and hidden Markov models	Part 17. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	1b81476f
10	Exact inference for graphical models. Variational inference	Part 20-21-22. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	c282d781
11	Exact inference for graphical models. Variational inference	Part 20-21-22. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	c282d781
12	Monte Carlo and Markov chain Monte Carlo inference	Part 23-24. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	1b81476f
13	Core models	Part 14. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	e219e649
14	Grouping	Part 25. Machine Learning: A Probabilistic Perspective. K. Murphy. ISBN: 9780262018029	c282d781
15	Review of the period		1b81476f
16	Final Exam		1b81476f

Ders Kitabı	Kevin Murphy; Machine Learning: A Probabilistic Perspective; MIT Press; 2012; ISBN: 9780262018029
Önerilen Okumalar/Materyaller	Christopher M. Bishop; Pattern Recognition and Machine Learning; Springer; 2006; ISBN: 9780387310732

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO1	LO2	LO3	LO4	LO5
Küçük Sınav / Stüdyo Kritiği	4	12	X				X
Ödev	2	10		X		X
Proje	1	40		X	X	X	X
Final Sınavı	1	38	X		X
Toplam	8	100

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Katılım	-	-	-
Teorik Ders Saati	16	3	48
Laboratuvar / Uygulama Ders Saati	-	-	-
Sınıf Dışı Ders Çalışması	14	2	28
Arazi Çalışması	-	-	-
Küçük Sınav / Stüdyo Kritiği	4	2	8
Portfolyo	-	-	-
Ödev	2	5	10
Sunum / Jüri Önünde Sunum	-	-	-
Proje	1	30	30
Seminer/Çalıştay	-	-	-
Sözlü Sınav	-	-	-
Ara Sınavlar	-	-	-
Final Sınavı	1	26	26
		Toplam	150