| Hafta | Teori Konu Başlıkları |
|---|---|
| 1 | Genel Bilgilendirme |
| 2 | Makine Öğrenmesine Giriş |
| 3 | Yapay Zeka Etiği |
| 4 | Veri Önişleme |
| 5 | Sınıflandırma - Model Performans Ölçütleri: Doğruluk, Kesinlik, Duyarlılık, F1 Skoru, ROC |
| 6 | Regresyon ve Sınıflandırma - k-En Yakın Komşu Algoritması |
| 7 | Ara sınav |
| 8 | Ara sınav |
| 9 | Sınıflandırma - Karar ağaçları |
| 10 | Sınıflandırma - Naive Bayes |
| 11 | Sınıflandırma - Destek Vektör Makineleri |
| 12 | Kümeleme - Hiyerarşik |
| 13 | Kümeleme - K-means K-means ile uygulama |
| 14 | Proje Sunumları |
| Hafta | Uygulama Konu Başlıkları |
|---|---|
| 1 | Proje Gruplarının oluşturulması |
| 2 | Program kurulumu |
| 3 | Veri setlerine giriş (Özellikler, etiketler, eğitim test setleri,..) |
| 4 | Veri temizleme ve dönüştürme (Eksik veri aykırı değer,… |
| 5 | Veri temizleme ve dönüştürme (Normalizasyon,…) |
| 6 | Regresyon uygulaması |
| 7 | Ara sınav |
| 8 | KNN ile uygulama |
| 9 | Karar ağacı ve Random forest uygulamaları |
| 10 | Naïve Bayes Uygulama |
| 11 | SVM ile sınıflama, kernel seçimi |
| 12 | AGNES / DIANA uygulama |
| 13 | K-means ile uygulama |
| 14 | Proje Sunumları |
