|
|
| YZLI7060 | Data Driven Inference and Cloud Based Artificial Intelligence | 3+0+0 | AKTS:7.5 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Yüksek Lisans(Tezli) | | Yazılım Şekli | Seçmeli | | Bölümü | YAZILIM MÜHENDİSLİĞİ ANABİLİM DALI | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze | | Dersin Süresi | 14 hafta - haftada 3 saat teorik | | Öğretim Üyesi | Dr. Öğr. Üyesi Mustafa Hakan BOZKURT | | Diğer Öğretim Üyesi | | | Öğretim Dili | İngilizce | | Staj | Yok | | | | Dersin Amacı: | | Yazılım Mühendisliği ABD öğrencilerine veriye dayalı çıkarım alanına yönelik bilgileri sağlamak. İş zekası ve veri görselleştirme ile iş için istatistik ve veri analizi yaklaşımları; Veriye dayalı çıkarımda yararlanılan makine öğrenmesi ve derin öğrenme yaklaşımları; Bulut teknolojisinde veri çözümleri veriye dayalı çıkarım pratik uygulamaları konularını incelemek ve uygulamak. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Temel veriye dayalı çıkarım ve istatistik kavramlarını anlayabilir. | 1,3,4,6 | 1,6, | | ÖK - 2 : | Veri anlamlandırma ve görselleştirme hakkında bilgi sahibi olur. | 1,3,4,6 | 1,6, | | ÖK - 3 : | Bulut ortamında veri analizi hakkında temel bilgilere sahip olur. | 1,3,4,6 | 1, | | ÖK - 4 : | Derin öğrenme kavramlarıyla veriye dayalı çıkarım tasarımları yapabilir. | 1,3,4,6 | 1,6, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Veriye dayalı çıkarıma giriş ve matematiksel temeller. İstatistik ve iş zekası. Verilerin ön işlenmesi ve farklı kaynaklardan veri toplama yaklaşımları. Veri biliminde yararlanılan meta öğrenme ve derin öğrenme teknikleri. Bulut teknolojisinde yapay zeka çözümleri. Farklı ve güncel problemler üzerinde çözümlerin incelenmesi. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Matematiksel/İstatistiksel temeller | | | Hafta 2 | Hipotez ve çıkarım | | | Hafta 3 | İş zekası | | | Hafta 4 | Veri edinme teknikleri | | | Hafta 5 | Veri hazırlama ve ön işleme | | | Hafta 6 | Veriye dayalı çıkarımda zorluklar ve yapay öğrenme çözümleri | | | Hafta 7 | Derin öğrenme modellerinin veri dayalı çıkarım için kullanılması | | | Hafta 8 | Derin öğrenme modellerinin tasarımı/optimizasyonu | | | Hafta 9 | ARASINAV HAFTASI | | | Hafta 10 | Derin öğrenme ile çıkarım uygulaması | | | Hafta 11 | Derin öğrenme ile çıkarım uygulaması | | | Hafta 12 | Derin öğrenme ile çıkarım uygulaması | | | Hafta 13 | Takviyeli öğrenme | | | Hafta 14 | Bulutta Yapay Zeka Teknolojileri | | | Hafta 15 | Veriye dayalı çıkarım çıktılarının değerlendirilmesi | | | Hafta 16 | DÖNEM SONU SINAVI | | | |
| 1 | Inference and Learning from Data: Volume 1: Foundations / Ali H. Sayed | | | 2 | Deep Learning/ Ian Goodfellow, Aaron Courville, Yoshua Bengio | | | 3 | Visualizing Google Cloud: 101 Illustrated References for Cloud Engineers and Architectsi Priyanka Vergadia | | | |
| 1 | Grokking Deep Reinforcement Learning/Miguel Morales | | | 2 | Deep Learning with Python/François Chollet | | | 3 | Python Data Science Handbook: Essential Tools for Working with Data / Jake VanderPlas | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 2 | 20 | | Ödev | 15 | | 2 | 30 | | Dönem sonu sınavı | 16 | | 2 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 3 | 14 | 42 | | Sınıf dışı çalışma | 5 | 14 | 70 | | Arasınav için hazırlık | 3 | 4 | 12 | | Arasınav | 2 | 1 | 2 | | Ödev | 3.5 | 14 | 49 | | Dönem sonu sınavı için hazırlık | 3 | 4 | 12 | | Dönem sonu sınavı | 2 | 1 | 2 | | Toplam Çalışma Yükü | | | 189 |
|