| Yapay zeka (AI) ve makine öğrenmesi (ML) kavramlarını anlayacak ve temel öğrenme türlerini (denetimli, denetimsiz, pekiştirmeli öğrenme) açıklayabilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| k-En Yakın Komşu (k-NN), Karar Ağaçları, Regresyon Modelleri, Kümeleme (k-Means) ve Pekiştirmeli Öğrenme gibi temel algoritmaları uygulayabilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Gerçek dünya veri setlerini analiz edebilecek, ön işleme tekniklerini uygulayabilecek ve uygun makine öğrenmesi modellerini geliştirebilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Model performansını değerlendirmek için doğruluk, hassasiyet, duyarlılık, F-ölçüsüne dayalı metrikleri kullanabilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Makine öğrenmesini sağlık, finans, pazarlama gibi çeşitli alanlarda uygulayarak pratik projeler geliştirebilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Yapay zeka etiği, önyargı (bias), şeffaflık ve veri gizliliği konularında bilgi sahibi olacaktır. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Öğrendiklerini kullanarak bireysel veya grup olarak bir proje geliştirebilecek ve sunabilecektir. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
