Akademik Dersler - Tanıtım

Son Güncelleme Tarihi: 30/06/2026

Ders Kodu - Ders Adı	Ders Türü	Teori + Uygulama	AKTS
BVA100 - Makine Öğrenmesinin Temelleri	II.Yarıyıl	2 +2	5.0

Ders Dili	Türkçe
Ders Türü	Zorunlu Dersler
Öğretim Elemanları	ÖĞR. GÖR. AHMET MÜCAHİD ARVASİ
Dersin Veriliş Biçimi	Yüz Yüze
Dersin Verildiği Yer
Kullanılan Eğitim Platformları
Önkoşullar	Bu dersin önkoşul ya da eş koşulu bulunmamaktadır.
Önerilen Dersler
Önerilen Kaynaklar
Staj & Uygulama
Dersin Amacı

Haftalar	Öğrenme Çıktıları	Konular	Öğretim Yöntemleri
1. hafta		Makine Öğrenmesine Giriş: Temel Kavramlar, Yapay Zeka ile Farkları ve Öğrenme Türleri
2. hafta		Veri Ön İşleme 1: Veri Kümelerini Anlama, Eksik Veri Analizi ve Veri Temizleme
3. hafta		Veri Ön İşleme 2: Özellik Ölçeklendirme (Scaling), Kategorik Veri Kodlama ve Veri Setlerinin Ayrılması (Train/Test Split)
4. hafta		Denetimli Öğrenme 1: Algoritma Seçimi ve Doğrusal Regresyon (Linear Regression) Temelleri
5. hafta		Denetimli Öğrenme 2: Sınıflandırma Mantığı ve Lojistik Regresyon (Logistic Regression)
6. hafta		Denetimli Öğrenme 3: Karar Ağaçları (Decision Trees) ve Rastgele Orman (Random Forest) Algoritmaları
7. hafta		Denetimli Öğrenme 4: Destek Vektör Makineleri (Support Vector Machines - SVM) ve Çekirdek (Kernel) Hilesi
8. hafta		Ara Sınav
9. hafta		Model Değerlendirme ve Metrikler: Karışıklık Matrisi (Confusion Matrix), Kesinlik (Precision), Duyarlılık (Recall) ve F1-Skoru
10. hafta		Model Doğrulama ve İyileştirme: Çapraz Doğrulama (Cross-Validation) ve Hiperparametre Optimizasyonu (Grid Search, Random Search)
11. hafta		Denetimsiz Öğrenme 1: Kümeleme (Clustering) Temelleri ve K-Ortalamalar (K-Means) Algoritması
12. hafta		Denetimsiz Öğrenme 2: Hiyerarşik Kümeleme (Hierarchical Clustering) ve Dendrogram Kullanımı
13. hafta		Boyut İndirgeme Teknikleri: Temel Bileşenler Analizi (PCA) ve Veri Karmaşıklığını Azaltma
14. hafta		Makine Öğrenmesi Proje Yaşam Döngüsü: Uçtan Uca Model Tasarımı, Bulguların Raporlanması ve Proje Sunumları

İçerik girilmemiştir.

İçerik girilmemiştir.

İçerik girilmemiştir.

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Toplam (%)