BBF 304E - 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 (correlation-causation) karıştırmak gibi analizde yapılabilecek yanlışlardan kaçınmayı öğrenmek
Makine öğrenmesi yaklaşımlarının başarılarını değerlendirmeyi ve karşılaştırmayı öğrenmek

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