Ders Kodu | Ders Adı | Sınıf | Kredisi | Ders Saati | Haftalık Ders Saati(Teorik) | Haftalık Ders Saati(Uygulama) | Haftalık Ders Saati(Laboratuvar) |
---|---|---|---|---|---|---|---|
MO 4341 | Makine öğrenimi | Üçüncü Sınıf | 6 | 180 | 1 | 2 | 2 |
Disiplinin öğretilmesinin amacı: makine öğreniminin temel kavramlarını, makine öğreniminin temel algoritmalarını, kullanım özelliklerini tanımak. Makine öğrenimi algoritmalarının yazılım uygulama becerilerine hakim olmak, eğitim algoritmalarının sonuçlarını analiz etmek, algoritmanın doğruluğunu artırmanın yollarını önermek. Makine öğrenimi algoritmalarının pratikte uygulanması.
-
Robotik sistemler
hikaye anlatımı, görüş alışverişi, tartışma, sorunlu yöntemler.
1 | Akıllı yönetim ilkelerini bilir; |
2 | Akıllı yönetim sistemleri mimarisi bilgisi; |
3 | Eğitimin kalitesini değerlendirmek için bir yöntem; |
4 | Beslemeyi hazırlamak için kuralları seçin; |
5 | Python IDE ortamı ile çalışan master'a |
6 | Python IDE'YE: verilen hazırlık şemalarına hakim olun; |
7 | Python IDE'YE: belirli bir karar ağacının oluşturulmasını yapılandırın; |
8 | Statik yöntem ve modelleri uygulama kurallarına hakim olmak; |
9 | Bulanık mantık yöntemlerinin kullanımı; |
10 | Yapay sinir ağlarını kullanma kurallarına hakim olmak. |
Haftalık Konu | Değerlendirme Yöntemi | |
---|---|---|
1 | Giriş: temel kavramlar, ilkeler | |
2 | Makine öğrenimi problemleri: video alanı, öğrenme terimi, sınıflandırma | |
3 | Genel makine öğrenimi algoritması | |
4 | Eğitim kalitesinin değerlendirilmesi | |
5 | Verilenlerin hazırlanması | |
6 | Olasılıksal teori yöntemleri | |
7 | Çözüm ağaçları | |
8 | Statik yöntemler ve modeller | |
9 | Bulanık mantık yöntemleri: dilsel değişkenler, işlemler, Bulanık Sistemler | |
10 | Bulanık mantık yöntemleri: Zaman serileri, Zaman serilerinin modellenmesi | |
11 | Bulanık Mantık Yöntemleri: zaman zaman öğrenme | |
12 | Yapay sinir ağları: yapı | |
13 | Yapay sinir ağları: algılayıcı model | |
14 | Yapay sinir ağları: çok katmanlı algılayıcı | |
15 | Yapay sinir ağları: Gauss ağı |
PÇ1 | PÇ2 | PÇ3 | PÇ4 | PÇ5 | PÇ6 | PÇ7 | PÇ8 | PÇ9 | PÇ10 | PÇ11 | PÇ12 |
---|
Ders Kitabı / Malzemesi / Önerilen Kaynaklar | ||
---|---|---|
1 | Теория и практика машинного обучения : учебное пособие / В. В. Воронина, А. В. Михеев, Н. Г. Ярушкина, К. В. Святов. – Ульяновск : УлГТУ, 2017. – 290 с. |