Bilgisayarlara verilerden öğrenme yeteneği sağlayan çalışma alanı olan Makine Öğrenimi (İlkbahar 2021'de öğretilmiyor. Kullanılabilirliği kontrol et), neredeyse her bilimsel disiplinin merkezinde yer alır ve genelleme çalışması (yani tahmin) veriler, makine öğreniminin ana konusudur. Bu kurs, makine öğrenimine lisansüstü düzeyde bir giriş ve makine öğrenimindeki yeni ve gelişmiş yöntemlerin yanı sıra bunların altında yatan teorilerin derinlemesine incelenmesini sağlar. Pratik alaka düzeyine sahip yaklaşımları vurgular ve Veri Madenciliği (Büyük Veri / Veri Bilimi, Veri Analitiği), Doğal Dil İşleme, Bilgisayarla Görme, Robotik, Biyoinformatik ve Metin ve Web veri işleme gibi bir dizi yeni makine öğrenimi uygulamalarını tartışır. Makine Öğrenimi, Finansal Hizmetler, Petrol ve Gaz, Sağlık Hizmetleri, Pazarlama ve Reklamcılık, Devlet, İnternet ve Nesnelerin İnterneti dahil olmak üzere çeşitli endüstrilerde kullanılmaktadır.
Bu ders çeşitli öğrenme paradigmalarını, algoritmalarını, teorik sonuçlarını ve uygulamalarını kapsar. Yapay zeka, bilgi teorisi, istatistik ve kontrol teorisinden temel kavramları, makine öğrenimiyle ilgili oldukları ölçüde kullanır. Konular şunlardır: denetimli öğrenme (üretken / ayırt edici öğrenme, parametrik / parametrik olmayan öğrenme, sinir ağları, destek vektör makineleri, karar ağacı, Bayes öğrenme ve optimizasyon); denetimsiz öğrenme (kümeleme, boyutluluk azaltma, çekirdek yöntemleri); öğrenme teorisi (önyargı / varyans değiş tokuşları; VC teorisi; büyük marjlar); pekiştirmeli öğrenme ve uyarlanabilir kontrol. Diğer konular arasında HMM (Gizli Markov Modeli), Evrimsel Hesaplama, Derin Öğrenme (Sinir Ağları ile) ve temel makine öğrenimi problemleri için performansı titizlikle analiz edilebilen algoritmalar tasarlama yer alır.
Dersin önemli bir kısmı grup projesidir. Paralel, dağıtılmış ve ölçeklenebilir bir makine öğrenmesi için kullanılan başlıca açık kaynak araçları, öğrencileri projeleri yaparken yardımcı olmak için kısaca ele alınacaktır. (4 birimleri) Önkoşul: Yok.