BLG 454E - Veriden Öğrenme
Dersin Amaçları
Öğrencilerin başlıca veri analizi ve makine öğrenmesi yöntemlerini teorileri ve
algoritmalarını tanımasını sağlamak
- Var olan araçları kullanarak sınıflandırma, kümeleme ve regresyon gibi problemleri
uygulamalı olarak çözmeyi öğrenmek
- Bu araçları kullanırken, aşırı uyma (overfitting), ilgileşim ve nedenselliği (correlationcausation)
karıştırmak gibi analizde yapılabilecek yanlışlardan kaçınmayı öğrenmek
- Makine öğr
Dersin Tanımı
Makine Öğrenmesine giriş, güncel uygulamalar
Matematiksel temeller, marjinal ve koşullu olasılık, Bayes teoremi, Bayes Karar Kuralı,
Yoğunluk kestirimi, Maximum Olabilirlik Kestirimi, Bayes öğrenmesi, Naïve Bayes
Doğrusal Regresyon
Yanlılık-varyans ikilemi, düzenlileştirme, Ridge ve Lasso
Doğrusal sınıflandırıcılar
Yapay sinir ağları
Sınıflandırıcıların değerlendirilmesi ve karşılaştırılması
Öznitelik seçme, çıkarma, azaltma
Geniş marjin sınıflandırıcıları, Destek Vektör Makinaları, Kernel yöntemleri
Karar ağaçları, rastgele orman
Gözetimsiz Öğrenme, Kümeleme
Derin öğrenme ve büyük veri
|
|
Koordinatörleri
Yusuf Yaslan
Dersin Dili
İngilizce
|
|
|