Biyomedikal Mühendisliği

CE 345 | Ders Tanıtım Bilgileri

Dersin Adı

Introduction to Machine Learning

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
CE 345	SPRING	3	0	3	5

Ön-Koşul(lar)	None
Dersin Dili	English
Dersin Türü	ELECTIVE_COURSE
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	Face-to-Face
Dersin Öğretim Yöntem ve Teknikleri	Discussion Problem Solving Q&A Lecture / Presentation
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Alper Demir
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Muhtar Çağkan Uludağlı
Yardımcı(ları)	-

Dersin Amacı

Machine learning is about how to design computer programs that can automatically improve themselves with experience. The aim of this course is to review the latest and most effective algorithms used in the field of machine learning. Both theoretical properties and practical applications of these algorithms 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	Will be able to depict a wide range of many machine learning algorithms.					X
LO2	Will be able to apply basic techniques and algorithms in the field.					X
LO3	Will be able to compare different algorithms and techniques in the field.					X
LO4	Will be able to design machine learning algorithms for special situations.					X
LO5	Will be able to evaluate the potential areas of use of machine learning techniques.					X

Ders Tanımı

Machine learning deals with computer programs automatically improving their performance with past experience. The following topics will be covered in the machine learning course inspired by many fields such as artificial intelligence, statistics, information theory, biology and control theory; Discussion of computational learning theory, machine learning concepts, Bayesian learning, supervised learning, classification methods, regression methods, unsupervised learning, grouping methods, artificial neural networks, reinforcement learning and advanced machine learning methods.

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 Data Science with Python	Grus, Ch.s 2--6	72077c12
2	Introduction and Machine Learning Concepts	Alpaydın, Ch.1	7718f037
3	Bayesian Decision Theory and Bayesian Classification	Alpaydın, Ch.3	43aea17a
4	Supervised Learning - Parametric Classification Methods	Alpaydın, Ch.s 2, 10; Goodfellow et al, Ch. 5.5	ebe5f396
5	Supervised Learning - Nonparametric Classification Methods	Hastie et al, Ch. 13	7718f037
6	Supervised Learning - Regression Methods	Weisberg, Ch. 2	43aea17a
7	Machine Learning Metrics	Various academic articles	22bf79b6
8	Midterm		-
9	Unsupervised Learning - Clustering Methods	Alpaydın, Ch. 7; Geron, Ch. 9	43aea17a
10	Unsupervised Learning - Clustering Methods	Geron, Ch. 9; Murphy, Ch.s 25.3, 25.4, 25.5	72077c12
11	Unsupervised Learning - Artificial Neural Networks	Bishop, Ch. 5; Alpaydın, Ch. 11	7718f037
12	Unsupervised Learning - Artificial Neural Networks	Bishop, Ch. 5; Alpaydın, Ch. 11	ebe5f396
13	Reinforcement Learning	Alpaydın, Ch. 18	43aea17a
14	Reinforcement Learning and Advanced Machine Learning Methods	Alpaydın, Ch.s 11, 18; Goodfellow et al, Ch.s 6, 7, Murphy, Ch. 28	22bf79b6
15	Review of the semester		-
16	Final Exam		-

Ders Kitabı

Alpaydın; E. (2014); Introduction to Machine Learning. The MIT Press; ISBN-13: 978-0-262-028189

Önerilen Okumalar/Materyaller

Grus; J. (2019). Data science from scratch: first principles with python. O'Reilly Media; ISBN: 9781492041139
Murphy; K. P. (2012). Machine learning: a probabilistic perspective. MIT press; ISBN-13: 978-0262018029
Mitchell; T. M. (1997). Machine Learning. McGraw-Hill; ISBN: 0070428077
Bishop; C. M. (2006). Pattern recognition and machine learning. Springer; ISBN-13: 978-0387-31073-2
Hastie; T.; Tibshirani; R.; Friedman; J. H.; & Friedman; J. H. (2009). The elements of statistical learning: data mining; inference; and prediction. Springer; ISBN-13: 978-0-387-84857-0
Géron; A. (2022). Hands-on machine learning with Scikit-Learn; Keras; and TensorFlow. O'Reilly Media; Inc.; ISBN-13: 9781492032649
Weisberg; S. (2014). Applied linear regression. Wiley; ISBN-13: 9780471663799
Goodfellow; I.; Bengio; Y.; Courville; A. (2016). Deep learning. MIT Press; ISBN-13: 978-0262035613

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO1	LO2	LO3	LO4	LO5
Küçük Sınav / Stüdyo Kritiği	6	30	X	X	X	X	X
Ara Sınav	1	30	X	X	X	X	X
Final Sınavı	1	40	X	X	X	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	4	56
Arazi Çalışması	-	-	-
Küçük Sınav / Stüdyo Kritiği	6	2	12
Portfolyo	-	-	-
Ödev	-	-	-
Sunum / Jüri Önünde Sunum	-	-	-
Proje	-	-	-
Seminer/Çalıştay	-	-	-
Sözlü Sınav	-	-	-
Ara Sınavlar	1	14	14
Final Sınavı	1	20	20
		Toplam	150