Dersin Haftalık Planı

Hafta	Konu
1	Makine öğrenmesi nedir? - Makine öğrenmesi uygulamaları - Modelin hassaslığının değerlendirilmesi - Regresyon mu, sınıflandırma mı? - Uyumun iyiliğinin ölçülmesi - Sapma-varyans al-ver sorunu - Denetimli ve denetimsiz öğrenme - R ile programlamaya giriş
2	Basit doğrusal regresyon - Katsayıların tahmini - Tahminlerin hassaslığı - Modelin doğruluğu - Çoklu doğrusal regresyon - Çoklu regresyon katsayılarının tahmini - R yazılımının temelleri.
3	Regresyon modelinde başka konular - Nitel kestirimciler - Doğrusal modelin uzantıları - Olası sorunlar - Katsayısal olmayan regresyon - K-en yakın komşu algoritması - R ile temel tahmin.
4	Sınıflamaya genel bakış - Lojistik regresyon - Lojistik model - Regresyon tahmini - Kestirimler yapma - Çoklu lojistik regresyon - Çoklu (>2) tepki sınıfıyla lojistik regresyon - R ile sınıflama
5	Doğrusal diskriminant çözümlemesi - Sınıflama için Bayes Teoreminin kullanımı - Çoklu (p>1) özelliklerin Doğrusal diskriminant çözümlemesi - İkinci dereceden diskriminant çözümlemesi - K-en yakın komşu sınıflaması - Sınıflama yöntemlerinin karşılaştırılması.
6	Naif Bayes yaklaşımı - Bayesgil yöntemlerin temel kavramları - Ortak olasılık kavramı anlayışı - Bayes Teoremiyle koşullu olasılık hesabı - Naif Bayes algoritması - Laplace tahmin edicisi - Naif Bayes ile sayısal değişkenlerin kullanımı.
7	Yinelemeli örnekleme yöntemleri - Çapraz geçerlilik - Geçerlilik kümesi yaklaşımı - Birini-dışlayıp çapraz geçerlilik - k-katlı çapraz geçerlilik - Özçıkarım.
8	Daraltma yöntemleri - Ridge regresyonu - Lasso - Katsayı seçimi - Boyut azaltma yöntemleri - Temel bileşenler regresyonu - Kısmi en küçük kareler - Yüksek boyutların ele alınışı.
9	Ağaç temelli yöntemler - Karar ağaçlarının temelleri - Regresyon ağaçları - Sınıflama ağaçları - Ağaç modelleri mi, regresyon modelleri mi? - Ağaçların üstünlük ve eksiklikleri - Torbalama - Rassal ormanlar - Hızlandırma.
10	Destek vektör sınıflayıcıları - En büyük kenar sınıflayıcısı - Hiper-düzlem nedir? - Destekçi vektör makineleri - Doğrusal dışı karar sınırlarıyla sınıflama - Çoklu sınıflarla destekçi vektör makineleri (DVM) - Lojistik regresyonla ilişkisi.
11	Sinir ağları anlayışı - Biyolojiden yapay sinir ağlarına - Başlatma işlevleri - Ağ topologisi - Katmanların sayısı - Bilgi gezisinin yönü - Her katmanda düğüm sayısı - Geri yayılımlı sinir ağları - Derin öğrenme.
12	Denetimsiz öğrenmeye giriş - Temel bileşenler çözümlemesi - Ana bileşenler nedir? - Temel bileşenlerin yorumlanması.
13	Kümeleme yöntemleri - K-ortalamalı kümeleme - Sıradüzen (hiyerarşi) kümelemesi - Kümelemede uygulama konuları.
14	Birliktelik kuralları anlayışı - Birliktelik kuralını öğrenmek için Apriori algoritması - Kural oranının ölçülmesi - Destek ve güven - Apriori ilkesiyle kural kümesi oluşturma - Pazar sepeti çözümlemesi.

Dersler

Yardım

Hakkında