EEM-272 Makine Öğrenmesine Giriş
2024-2025 Bahar Dönemi
Duyurular
Final notu aşağıdaki gibi hesaplanacaktır.
Proje veya sunum: %60 Final Sınavı: %40
Bundan dolayı dersi alana tüm öğrencilerin proje veya sunum yapması gerekmektedir.
Proje
- Projeler sadece dersi alttan alanlara yönelik, özellikle geçen sene yarım kalmış projelerin tamamlanması içindir. Eğer devam mecburiyetiniz yok ve daha önce belirlenmiş bir proje konusu yok ise proje konusu ve diğer hususlarla ilgili iletişime geçmeniz gerekmektedir.
- Dersi alttan alanlar isterlerse proje yerine sunum da yapabilirler.
- Proje yapacaklar https://asenturk.github.io/eem272/24-25_bahar/ adresinde ayrıntıları bulunan 6 adımlı çalışmayı tamamlamaları gerekmektedir.
- Teslim tarihi: 25 Mayıs 2026 Salı. Bu tarihten sonra teslim edilen tüm projeler %50 şeklinde notlandırılacaktır.
Sunum
- Sunumlar 10-14. haftalar arasında toplam 5 haftada gerçekleştirilecektir.
- Her hafta yaklaşık 10 öğrenci sunum yapacaktır. Birden fazla öğrencinin aynı konuları sunması gerekecektir.
- Zamanında yapılmayan sunumlar vakit kalması durumunda sonraki haftalarda yapılabilecektir ancak %50 şeklinde değerlendirilecektir.
- Yapılan sunumlar final sınav konularını oluşturacaktır. Bundan dolayı sunumları ve diğer dokümanları güzel bir şekilde hazırlamanız gerekmektedir.
- Sunumlar 10-15 dakikalık sürede yapılacaktır. 15 dakikada bitirilemeyen sunumlar devam ettirilmeyecektir. Bu durum sunum notuna etki edecektir.
- Her sunum konusu için kontenjan 2 olarak belirlenmiştir. Kontenjan dolduğu halde konuyu seçenlerin konuları değiştirilecektir.
- Tüm kontenjanlar dolduktan sonra sunum yapmak isteyen öğrencilere uygun bir konu verilecektir.
- Proje konuları, sunum haftası ve kontenjan bilgileri için tıklayiniz.
- Sunumla ilgili yapılacak çalışmalarla ve hazırlanacak dokümanlarla ilgili açıklamalar için tıklayınız.
- Sunum konusu seçmek için tıklayınız.
- Seçilen sunum konularını görmek için tıklayınız.
- Sunum dokümanlarını yüklemek için tıklayınız.
Dersler
- Ders 1: Genel bilgiler
- Ders 2: Lineer regresyon
- Ders 3: Çok değişkenli lineer regresyon
- Ders 4: Eğitim-test veri seti bölme, ölçeklendirme
- Ders 5: Lojistik regresyon
- Ders 6: Düzenlileştirme (regularization)
- Ders 7: Yapay sinir ağları 1
- Ders 8: Yapay sinir ağları 2
- Ders 9: Yapay sinir ağları 3
- Ders 10: Yapay sinir ağları regresyon örnek
- Ders 11: Yapay sinir ağları kavramlar