Yönetim Bilişim Sistemleri (İngilizce)
Lisans	TYYÇ: 6. Düzey	QF-EHEA: 1. Düzey	EQF-LLL: 6. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu:

MIS308

Ders İsmi:

Machine Learning

Ders Yarıyılı:

Bahar

Ders Kredileri:

Teorik	Pratik	Kredi	AKTS
3	0	3	5

Öğretim Dili:

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Zorunlu

Dersin Seviyesi:

Lisans

TYYÇ:6. Düzey

QF-EHEA:1. Düzey

EQF-LLL:6. Düzey

Dersin Veriliş Şekli:

Dersin Koordinatörü:

Dr.Öğr.Üyesi Yıldız KARADAYI

Dersi Veren(ler):

Dr.Öğr.Üyesi Yıldız KARADAYI

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

Makine Öğrenmesi dersi, öğrencilere veri analizi ve modelleme konularında temel bilgi ve beceriler kazandırmayı amaçlamaktadır. Dersin amacı, makine öğrenmesi algoritmalarının nasıl çalıştığını öğretmek, bu algoritmaların uygulama alanlarını göstermek ve öğrencilere gerçek dünya problemlerini çözmek için makine öğrenmesi tekniklerini kullanma yeteneği kazandırmaktır. Ayrıca, makine öğrenmesi uygulamalarının etik ve pratik boyutlarına da dikkat çekilecektir.

Dersin İçeriği:

Veri Ön İşleme ve Temizleme, Temel Makine Öğrenmesi Algoritmaları (Regresyon, Sınıflandırma), Denetimli-Denetimsiz Öğrenme Teknikleri, Model Değerlendirme ve Seçimi, Derin Öğrenme Temelleri, Sinir Ağları ve Öğrenme Algoritmalar.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Kazanımları

1 - Bilgi
Kuramsal - Olgusal
1) Öğrenciler, makine öğrenmesi kavramlarını, algoritmalarını ve uygulama alanlarını öğrenecek ve bu bilgileri gerçek dünya problemlerine uygulama becerisi kazanacaklardır.
2 - Beceriler
Bilişsel - Uygulamalı
1) Öğrenciler, denetimli, denetimsiz ve pekiştirmeli öğrenme yaklaşımlarını anlayacak ve bu öğrenme tekniklerini kullanarak veriler üzerinde analiz yapabileceklerdir.
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
Alana Özgü Yetkinlik
1) Öğrenciler, farklı makine öğrenmesi algoritmalarının avantajlarını ve dezavantajlarını değerlendirme ve projelere uygun algoritmaları seçme yeteneği geliştireceklerdir.
2) Öğrenciler, model doğrulama tekniklerini ve performans değerlendirme metriklerini öğrenerek, modellerin doğruluğunu ve genel başarımını artırmak için stratejiler geliştireceklerdir.
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Derse Giriş: Makine Öğrenmesi Nedir? Neden Önemlidir?	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
2)	Makine Öğrenmesi için Doğrusal Cebir: Bir İnceleme	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
3)	Gözetimli Öğrenme Algoritmalarına Giriş: Doğrusal Regresyon	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
4)	Çoklu Değişkenli Doğrusal Regresyon	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
5)	Özellik Mühendisliği	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
6)	Sınıflandırma Algoritmalarına Giriş: Lojistik Regresyon	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
7)	Çapraz Doğrulama ve Düzenleme	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
8)	Vize sınavı
9)	Karar Ağaçları	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
10)	Topluluk Modelleri	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
11)	Gözetimsiz Öğrenme I - Kümeleme	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
12)	Gözetimsiz Öğrenme II - PCA (Temel Bileşen Analizi) ve Boyut Azaltma	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
13)	Yapay Sinir Ağları (ANN) ve Derin Öğrenmeye Giriş	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
14)	Hiperparametre Optimizasyonu ve Model İnce Ayarları	The StatQuest Illustrated Guide To Machine Learning by Josh Starmer
15)	Makine Öğrenmesi Sistem Tasarımı
16)	Final Sınavı

Kaynaklar

Ders Notları / Kitaplar:	Introduction to Machine Learning- Ethem Alpaydin
Diğer Kaynaklar:	Introduction to Machine Learning- Ethem Alpaydin

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4
Program Kazanımları
1) Bilgi Teknolojileri ve İşletme Bilimi alanlarında elde ettiği bilgileri karar verme amacıyla uygun araçlarla kullanabilmek.
2) Bilgisayar donanımını tanıyabilmek, parçaların teknik özelliklerini ayırt edebilmek, karşılaştırmak, sınıflandırmak ve uygun donanım seçimini yapabilmek.
3) Yazılım türleri, yazılım seçimi ve temini konularında bilgi sahibi olmak ve yazılım geliştirme süreçlerini planlayıp yönetebilmek.
4) Uygulamalar için gerekli olan veritabanı tasarımını gerçekleştirmek.
5) Bilgisayar ağ sistemi kurabilmek, ağlara ve donanıma yönelik karşılaşılan sorunları çözebilmek.
6) Farklı disiplinlerin Yönetim Bilişim Sistemleri (YBS) tabanlı problem çözümünde veri ihtiyaçlarını belirleyebilmek, bu verileri temin edebilmek ve verileri derleyerek bilgi üretme ve kullanıma hazır hale getirebilmek.
7) Bilgi sistemi gereksinimlerini belirleyebilmek, sistem analizi yapabilmek ve tasarımını gerçekleştirebilmek.
8) Bir YBS veya sosyal problemin çözümüne yönelik olarak proje tasarlayabilmek ve farklı çözüm yöntemleri önerebilmek.
9) Projelerde YBS uzmanı olarak tasarım yapabilmek, projeye gerek yönetici gerekse çalışan olarak katkı sağlayabilmek ve yenilikçi fikirler üretebilmek.
10) Bir bilişim sistemi probleminin takım halinde çözülmesi durumlarında, problemin her aşamasında bireysel sorumluluk alabilmek, takıma katkı verebilmek ve gerektiğinde takıma liderlik edebilmek.
11) Türkçe ve İngilizce dillerini kullanaak mesleki, güncel ve gelişen eğilimleri takip edebilmek, gerekli bilgileri yazılı ve sözlü olarak aktarabilmek.
12) Alanında edindiği bilgi ve becerileri farklı disiplinlerle entegre ederek eleştirel bir bakış açısıyla değerlendirebilmek.
13) Mesleki çalışmalarda toplumsal etik değerlere göre hareket edebilmek.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Bilgi Teknolojileri ve İşletme Bilimi alanlarında elde ettiği bilgileri karar verme amacıyla uygun araçlarla kullanabilmek.
2)	Bilgisayar donanımını tanıyabilmek, parçaların teknik özelliklerini ayırt edebilmek, karşılaştırmak, sınıflandırmak ve uygun donanım seçimini yapabilmek.
3)	Yazılım türleri, yazılım seçimi ve temini konularında bilgi sahibi olmak ve yazılım geliştirme süreçlerini planlayıp yönetebilmek.
4)	Uygulamalar için gerekli olan veritabanı tasarımını gerçekleştirmek.
5)	Bilgisayar ağ sistemi kurabilmek, ağlara ve donanıma yönelik karşılaşılan sorunları çözebilmek.
6)	Farklı disiplinlerin Yönetim Bilişim Sistemleri (YBS) tabanlı problem çözümünde veri ihtiyaçlarını belirleyebilmek, bu verileri temin edebilmek ve verileri derleyerek bilgi üretme ve kullanıma hazır hale getirebilmek.
7)	Bilgi sistemi gereksinimlerini belirleyebilmek, sistem analizi yapabilmek ve tasarımını gerçekleştirebilmek.
8)	Bir YBS veya sosyal problemin çözümüne yönelik olarak proje tasarlayabilmek ve farklı çözüm yöntemleri önerebilmek.
9)	Projelerde YBS uzmanı olarak tasarım yapabilmek, projeye gerek yönetici gerekse çalışan olarak katkı sağlayabilmek ve yenilikçi fikirler üretebilmek.
10)	Bir bilişim sistemi probleminin takım halinde çözülmesi durumlarında, problemin her aşamasında bireysel sorumluluk alabilmek, takıma katkı verebilmek ve gerektiğinde takıma liderlik edebilmek.
11)	Türkçe ve İngilizce dillerini kullanaak mesleki, güncel ve gelişen eğilimleri takip edebilmek, gerekli bilgileri yazılı ve sözlü olarak aktarabilmek.
12)	Alanında edindiği bilgi ve becerileri farklı disiplinlerle entegre ederek eleştirel bir bakış açısıyla değerlendirebilmek.
13)	Mesleki çalışmalarda toplumsal etik değerlere göre hareket edebilmek.

Öğrenme Etkinliği ve Öğretme Yöntemleri

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama)
Örnek olay sunma

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Toplam		%
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 0
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		%
Toplam		%