GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| İST-733 | İSTATİSTİKSEL ÖĞRENME | Seçmeli Ders Grubu | 1 | 2 | 6,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
İstatistiksel Öğrenme dersinin amacı, öğrencilere istatistiksel modellerin ve öğrenme algoritmalarının temelini öğretmek ve bu modelleri gerçek dünya veri analizi sorunlarına uygulama becerisi kazandırmaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | öğrenciler, çeşitli istatistiksel öğrenme tekniklerini ve modellerini anlayacak ve bunları farklı veri setlerine uygulama yeteneğine sahip olacaklardır. |
| 2 | Öğrenciler, sınıflandırma, regresyon ve kümeleme problemleri için uygun istatistiksel yöntemleri seçebilecek ve uygulayabileceklerdir. |
| 3 | Öğrenciler, model doğrulama ve model seçimi tekniklerini kullanarak model performansını değerlendirme becerisine sahip olacaklardır. |
| 4 | Öğrenciler, gerçek dünya verileri üzerinde istatistiksel analizler gerçekleştirebilecek ve elde ettikleri bulguları etkili bir şekilde yorumlayıp sunabileceklerdir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
yok
Ders İçin Önerilen Diğer Hususlar
yok
Dersin İçeriği
Bu ders, regresyon, sınıflandırma, kümeleme ve boyut indirgeme gibi istatistiksel öğrenme yöntemlerini kapsayacak. Ayrıca, çapraz doğrulama, bootstrap yöntemleri ve model seçimi gibi konseptlere de değinilecek.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | İstatistiksel Öğrenmenin Temelleri | ||
| 2 | Olasılık Teorisi ve İstatistiksel Çıkarım | ||
| 3 | Lineer Regresyon Modelleri | ||
| 4 | Lineer Olmayan Regresyon ve Genelleştirilmiş Additif Modeller | ||
| 5 | Sınıflandırma ve Lojistik Regresyon | ||
| 6 | Ayrık Seçim Modelleri ve Makine Öğrenmesine Giriş | ||
| 7 | Destek Vektör Makineleri ve Ayrım Analizi | ||
| 8 | Ara Sınav 1 | ||
| 9 | Kümeleme Yöntemleri ve Boyut Azaltma | ||
| 10 | Karar Ağaçları ve Bagging | ||
| 11 | Rastgele Ormanlar ve Boosting Yöntemleri | ||
| 12 | Zaman Serisi Analizi ve Tahminleme / | ||
| 13 | Büyük Veri için İstatistiksel Öğrenme / | ||
| 14 | İstatistiksel Öğrenmede Güncel Konular / | ||
| 15 | Proje hazırlıgı | ||
| 16 | Proje Sunumları ve Dersin Değerlendirilmesi / |
Ders Kitabı Malzemesi Önerilen Kaynaklar
The Elements of Statistical Learning, Springer Series in Statistics, Trevor Hastie, Robert Tibshirani, Jerome Friedman
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 60 | 60 |
| Final Sınavı | 1 | 120 | 120 |
| Toplam İş Yükü (saat) | 180 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek