Bilgi Paketi / Ders Kataloğu
COMP 462 Introduction to Machine Learning
MEF Üniversitesi
Akademik Programlar
Psikoloji
Öğrenciler için Genel Bilgi
Diploma EkiErasmus Beyanı
Psikoloji
Lisans Programın Süresi: 4 Kredi Sayısı: 240 TYYÇ: 6. Düzey QF-EHEA: 1. Düzey EQF: 6. Düzey

Ders Genel Tanıtım Bilgileri

School/Faculty/Institute Faculty of Engineering
Course Code COMP 462
Course Title in English Introduction to Machine Learning
Course Title in Turkish Yapay Öğrenmeye Giriş
Language of Instruction EN
Type of Course Flipped Classroom
Level of Course Introductory
Semester Fall
Contact Hours per Week
Lecture: 3 Recitation: None Lab: None Other: None
Estimated Student Workload 152 hours per semester
Number of Credits 6 ECTS
Grading Mode Standard Letter Grade
Pre-requisites None
Expected Prior Knowledge Prior knowledge in programming, probability and statistics.
Co-requisites None
Registration Restrictions Only Undergraduate Students
Overall Educational Objective To learn the fundamentals of machine learning methods and how to design and implement intelligent systems to make prediction, classification, and regression.
Course Description This course covers the fundamentals of machine learning approaches: Supervised learning, unsupervised learning, regression methods, outlier detection, feature analysis, validation and evaluation.
Course Description in Turkish Bu ders yapay öğrenmede kullanılan temel yöntemleri içermektedir: Gözetimli ve gözetimsiz öğrenme, bağlanım yöntemleri, aykırılık tespiti, öznitelik analizi, geçerleme ve performans değerlendirmesi

Course Learning Outcomes and Competences

Upon successful completion of the course, the learner is expected to be able to:
1) identify and solve a complex engineering problem using machine learning techniques;
2) design a machine learning system to produce solutions;
3) present the results of a machine learning solution to a range of audiences;
4) recognize ethical and professional responsibilities in creating the machine learning system;
5) analyze and interpret the data used for the machine learning system;
6) acquire and apply new knowledge of machine learning techniques;
Program Learning Outcomes/Course Learning Outcomes 1 2 3 4 5 6
1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi.
2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi.
3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği.
4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi.
5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi.
6) Mesleki etik standartların içselleştirilmesi ve yayılması.
7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme.
8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi.
9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme.
10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme.
11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi.
12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi.
13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme.

Relation to Program Outcomes and Competences

N None S Supportive H Highly Related
     
Program Outcomes and Competences Level Assessed by
1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. N
2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. N
3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. H Exam,HW,Participation
4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. N
5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. N
6) Mesleki etik standartların içselleştirilmesi ve yayılması. N
7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. N
8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. N
9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. S Participation
10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. S HW,Participation
11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. N
12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. S Exam,HW
13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. H Exam,HW
Prepared by and Date YASSINE DRIAS , February 2023
Course Coordinator TUBA AYHAN
Semester Fall
Name of Instructor Dr. Öğr. Üyesi TUNA ÇAKAR

Course Contents

Hafta Konu
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
16)
Required/Recommended ReadingsIntroduction to Machine Learning, Ethem Alpaydın, MIT Press, 3rd Edition (2015)
Teaching MethodsFlipped Classroom
Homework and ProjectsAssignments
Laboratory WorkNone
Computer UseRequired
Other ActivitiesNone
Assessment Methods
Assessment Tools Count Weight
Ödev 3 % 35
Projeler 1 % 30
Ara Sınavlar 1 % 35
TOTAL % 100
Course Administration driasy@mef.edu.tr

Instructor’s office: 5th floor Phone number: 0 212 395 37 45 Office hours: After the lecture hours. E-mail address: driasy@mef.edu.tr Rules for attendance: No attendance required. Statement on plagiarism: YÖK Regulations http://3fcampus.mef.edu.tr/uploads/cms/webadmin.mef.edu.tr/4833_2.pdf

ECTS Student Workload Estimation

Activity No/Weeks Hours Calculation
No/Weeks per Semester Preparing for the Activity Spent in the Activity Itself Completing the Activity Requirements
Ders Saati 14 1 3 1 70
Ödevler 4 1 14 2 68
Ara Sınavlar 1 10 2 2 14
Total Workload 152
Total Workload/25 6.1
ECTS 6