2025-2026 Bahar Dönemi Makine Öğrenmesine Giriş Dersi Sunum Konuları

---

Önemli Not:

Tüm makine öğrenmesi çalışmaları Tensorflow kütüphanesi kullanılarak yapılacaktır.
Sunum konusunu ilk seçen 1. proje çalışimasını, ikinci seçen ise 2. proje çalışmasını yapacaktır.

Sunum 1: Makine Öğrenmesine Giriş ve Model Değerlendirme

• Sunacak Öğrenci Sayısı: 2
• 10. hafta

1. ML Pipeline (End-to-End Süreç)

• Veri → Model → Değerlendirme → İyileştirme

2. Veri Bölme Stratejileri

• Train / Val / Test
• K-Fold Cross Validation

3. Bias – Variance

• Underfitting / Overfitting
• Trade-off

4. Model Değerlendirme Metrikleri

• Accuracy, Precision, Recall, F1
• Regression metrikleri (MSE, MAE)

5. Temel ML Reçetesi

• Bias nasıl düşürülür?
• Variance nasıl düşürülür?

Mini Projeler

1. Train/val/test split yaparak model performansını analiz edin
2. Overfitting gösterimi (küçük vs büyük model)
   

---

Sunum 2: Regularization ve Model Genelleme

• Sunacak Öğrenci Sayısı: 2
• 10. hafta

1. Regularization Temelleri

• Overfitting problemi

2. L1 / L2 Regularization

• Weight decay

3. Dropout

4. Data Augmentation

5. Early Stopping

6. Model Kapasitesi vs Veri İlişkisi

Mini Projeler

1. Dropout etkisinin incelenmesi
2. L2 regularization etkisi
   

---

Sunum 3: Model Eğitimi ve Optimizasyon

• Sunacak Öğrenci Sayısı: 2
• 10. hafta

1. Normalizasyon

• Input scaling

2. Gradient Problemleri

• Vanishing / Exploding gradients

3. Weight Initialization

4. Gradient Descent Türleri

• Batch / Mini-batch / SGD

5. Learning Rate ve Batch Size

6. Gelişmiş Optimizasyon Algoritmaları

• Momentum
• RMSprop
• Adam

7. Learning Rate Scheduling

• Step decay
• Exponential decay
• Cosine annealing (kavramsal)

Mini Projeler

1. Farklı optimizer karşılaştırması
2. Learning rate değişiminin etkisi

---

Sunum 4: Hiperparametre ve Modern Eğitim Teknikleri

• Sunacak Öğrenci Sayısı: 2
• 10. hafta

1. Hiperparametre Tuning

• Grid Search
• Random Search

2. Batch Normalization

3. Softmax ve Çok Sınıflı Sınıflandırma

4. Experiment Tracking

• MLflow / Weights & Biases (kavramsal)

5. Data Leakage

Mini Projeler

1. Random search ile tuning
2. BatchNorm etkisinin analizi

---

Sunum 5: Model İyileştirme ve Transfer Öğrenme

• Sunacak Öğrenci Sayısı: 2
• 11. hafta

1. Error Analysis

2. Distribution Shift

3. Transfer Learning

4. Multi-task Learning

5. Fine-tuning vs Feature Extraction

6. Fine-tuning Stratejileri

• Freeze layers
• Partial training

Mini Projeler

1. Pretrained model ile feature extraction
2. Fine-tuning uygulaması
   

---

Sunum 6: CNN Temelleri

• Sunacak Öğrenci Sayısı: 2
• 11. hafta

1. Convolution Mantığı

2. Padding ve Stride

3. CNN Katman Yapısı

4. Pooling

5. Basit CNN Mimarisi

Mini Projeler

1. MNIST CNN modeli
2. Farklı kernel boyutlarının etkisi
   

---

Sunum 7: Modern CNN Mimarileri

• Sunacak Öğrenci Sayısı: 2
• 11. hafta

1. LeNet / AlexNet / VGG

2. ResNet

3. Inception

4. MobileNet

5. EfficientNet

Mini Projeler

1. Pretrained model ile inference
2. Farklı mimarilerin karşılaştırılması

---

Sunum 8: Object Detection (Modern Yaklaşım)

• Sunacak Öğrenci Sayısı: 2
• 11. hafta

1. YOLO

2. Intersection over Union (IoU)

3. Non-Max Suppression (NMS)

4. Anchor Boxes

5. mAP (mean Average Precision)

Mini Projeler

1. YOLO ile nesne tespiti
2. Farklı confidence threshold analizi
   

---

Sunum 9: Segmentation ve Encoder-Decoder

• Sunacak Öğrenci Sayısı: 2
• 12. hafta

1. Semantic Segmentation

2. U-Net

3. Encoder-Decoder Mimarisi

4. Transpose Convolution

Mini Projeler

1. U-Net ile segmentation
2. Mask görselleştirme
   

---

Sunum 10: Face Recognition ve Metric Learning

• Sunacak Öğrenci Sayısı: 2
• 12. hafta

1. One-shot Learning

2. Siamese Networks

3. Triplet Loss

4. Embedding Mantığı

Mini Projeler

1. Embedding çıkarımı
2. Cosine similarity uygulaması
   

---

Sunum 11: Generative Modeller

• Sunacak Öğrenci Sayısı: 2
• 12. hafta

1. Autoencoders

2. Variational Autoencoders (VAE)

3. Generative Adversarial Networks (GAN)

4. Super Resolution

5. Latent Space Kavramı

Mini Projeler

1. Autoencoder reconstruction
   
2. GAN ile görüntü üretimi

---

Sunum 12: Sequence Models (RNN)

• Sunacak Öğrenci Sayısı: 2
• 13. hafta

1. Sequence Türleri

2. RNN

3. BPTT

4. RNN Problemleri

5. Gradient Clipping

Mini Projeler

1. Text classification (RNN)
2. Time series tahmini
   

---

Sunum 13: Gelişmiş RNN Yapıları

• Sunacak Öğrenci Sayısı: 2
• 13. hafta

1. GRU

2. LSTM

3. Bidirectional RNN

4. Deep RNN

Mini Projeler

1. LSTM ile model
2. RNN vs LSTM karşılaştırma

---

Sunum 14: Word Embeddings

• Sunacak Öğrenci Sayısı: 2
• 13. hafta

1. One-hot vs Embedding

2. Word2Vec

3. GloVe

4. Cosine Similarity

5. Contextual Embeddings’e Giriş

Mini Projeler

1. Benzer kelime bulma
2. Embedding görselleştirme (TSNE)

---

Sunum 15: Seq2Seq ve Attention

• Sunacak Öğrenci Sayısı: 2
• 13. hafta

1. Encoder-Decoder

2. Beam Search

3. BLEU Score

4. Attention Mekanizması

5. Teacher Forcing

6. Perplexity

Mini Projeler

1. Basit çeviri modeli
2. Attention görselleştirme

---

Sunum 16: Transformer ve Modern NLP

• Sunacak Öğrenci Sayısı: 2
• 14. hafta

1. Transformer

2. Self-Attention

3. Multi-head Attention

4. Positional Encoding

5. BERT ve GPT genel bakış

Mini Projeler

1. HuggingFace inference
2. Attention weight görselleştirme
   

---

Sunum 17: Büyük Dil Modelleri (LLM)

• Sunacak Öğrenci Sayısı: 2
• 14. hafta

1. LLM Nedir?

2. Pretraining vs Fine-tuning

3. Prompt Engineering

4. Hugging Face Kullanımı

5. Fine-tuning (LoRA vb.)

6. Inference Teknikleri

• Temperature
• Top-k / Top-p sampling

Mini Projeler

1. Prompt engineering deneyi
2. Küçük model fine-tuning

---

Sunum 18: RAG

• Sunacak Öğrenci Sayısı: 2
• 14. hafta

1. RAG Nedir?

2. Embedding ve Vector Database

3. Retrieval Süreci

4. RAG vs Fine-tuning

Mini Projeler

1. PDF QA sistemi
2. Embedding karşılaştırma

---

Sunum 19: AI Agents

• Sunacak Öğrenci Sayısı: 2
• 14. hafta

1. Agent Kavramı

2. Tool Kullanımı

3. Planning ve Reasoning

4. Multi-agent Sistemler

5. Gerçek Dünya Uygulamaları

Mini Projeler

1. Tool-calling agent
2. Basit görev planlayan agent