| School/Faculty/Institute |
Gradutate School of Science and Engineering |
| Course Code |
BDA 522 |
| Course Title in English |
Advanced Machine Learning |
| Course Title in Turkish |
Yapay Öğrenme II |
| Language of Instruction |
EN |
| Type of Course |
Exercise,Flipped Classroom,Lecture |
| Level of Course |
Intermediate |
| Semester |
Spring |
| Contact Hours per Week |
| Lecture: 3 |
Recitation: |
Lab: |
Other: |
|
| Estimated Student Workload |
174 hours per semester |
| Number of Credits |
7.5 ECTS |
| Grading Mode |
Standard Letter Grade
|
| Pre-requisites |
None |
| Expected Prior Knowledge |
Basic machine learning knowledge (BDA 502) |
| Co-requisites |
None |
| Registration Restrictions |
Only Graduate Students |
| Overall Educational Objective |
To learn the machine learning concepts with on hands applications using modern tools to process data via tensorflow to drive conclusions using data analysis tools. |
| Course Description |
The aim of the course is to give the fundamentals of machine learning. This course introduces the fundamental framework in machine learning with the use of tensorflow. |
| Course Description in Turkish |
Bu dersin amacı makine öğrenmesi temellerini sağlamaktır. Bu derste tensorflow kullanımıyla makine öğrenmedeki temel çerçeve sunulacaktır. |
Course Learning Outcomes and Competences
Upon successful completion of the course, the learner is expected to be able to:
1) Makine öğreniminin katkılarını ileri düzeyde tanımak ve tartışmak
2) Makine öğreniminin ardındaki felsefeyi anlayın ve uygulayın
3) Önce fikir düzeyinde, sonra pratik olarak bir makine öğrenimi sistemi geliştirmek
4) Belirli bir ML sisteminin mekanizmasını anlayın ve onu performans açısından daha da geliştirmek
|
| Program Learning Outcomes/Course Learning Outcomes |
1 |
2 |
3 |
4 |
| 1) |
|
|
|
|
| 2) |
|
|
|
|
| 3) |
|
|
|
|
| 4) |
|
|
|
|
| 5) |
|
|
|
|
| 6) |
|
|
|
|
| 7) |
|
|
|
|
| 8) |
|
|
|
|
| 9) |
|
|
|
|
| 10) |
|
|
|
|
Relation to Program Outcomes and Competences
| N None |
S Supportive |
H Highly Related |
| |
|
|
| |
Program Outcomes and Competences |
Level |
Assessed by |
| 1) |
|
H |
|
| 2) |
|
H |
|
| 3) |
|
H |
|
| 4) |
|
H |
|
| 5) |
|
S |
|
| 6) |
|
S |
|
| 7) |
|
S |
|
| 8) |
|
N |
|
| 9) |
|
S |
|
| 10) |
|
N |
|
| Prepared by and Date |
, |
| Course Coordinator |
TUNA ÇAKAR |
| Semester |
Spring |
| Name of Instructor |
Dr. Öğr. Üyesi TUNA ÇAKAR |
Course Contents
| Hafta |
Konu |
| 1) |
Giriş, Çerçeveleme, ML'ye İnme
|
| 2) |
Kayıpların Azaltılması
|
| 3) |
TensorFlow ile ilk adımlar
|
| 4) |
Genelleme, Eğitim ve Test Setleri, Doğrulama Seti
|
| 5) |
Temsil |
| 6) |
Özellik Geçişleri
|
| 7) |
Düzenlileştirme: Basitlik ve Lojistik Regresyon
|
| 8) |
Sınıflandırma
|
| 9) |
Düzenlileştirme: Seyreklik ve Sinir Ağları
|
| 10) |
Sinir Ağlarının ve Çok Sınıflı Sinir Ağlarının Eğitimi
|
| 11) |
Yerleştirme |
| 12) |
ML Mühendisliği
|
| 13) |
Gerçek Dünyada ML Sistemleri
|
| 14) |
Genel İnceleme
|
| 15) |
Proje/Sunum Dönemi |
| 16) |
Proje/Sunum Dönemi |
Bilgi Paketi / Ders Kataloğu