Ek B Ingilizce T urk ce S ozl uk Ingilizce urk ce

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Ek B Ingilizce T urk ce S ozl uk Ingilizce urk ce"

Transkript

1 Ek B İngilizce Türkçe Sözlük İngilizce action activation active acyclic adaptation additive aerodynamics agent agglomerative algorithm alignment allele analysis analytical analyzer ancestor anchor and anneal approximate approximation arc articulator association attribute augmented authentication autoassociator Türkçe eylem etkilenim etkin çevrimsiz uyarlama eklemeli hava devinim bilimi etmen birleştirmeli algoritma hizalama eş gen çözümleme çözümsel çözümleyici ata çapa ve tavlamak yaklaşık yaklaşıklama ayrıt eklemleyici ilişkilendirme öznitelik genişletilmiş kimlik doğrulama özilişkilendirici

2 452 Ek B. İngilizce Türkçe Sözlük automaton axiom backpropagation backup backward bag of words bandit base basis basket batch Bayesian belief benchmark bias bias unit bin binary binding binomial biometrics blocking Boolean bootstrap branch and bound breadth-first bump canonical capacity cascade case-based causal cause central limit theorem chain chapter characterize chi-square city-block distance class classifier clique cluster code özdevinir belit geri yayma geriye taşıma geriye doğru sözcük torbası kollu kumar makinesi taban taban sepet toptan Bayesçi inanç denek yanlılık ek girdi kutucuk ikili değer atama binom biyometri bölükleme mantıksal rastgele örnekleme dallan ve sınırla genişlik öncelikli tümsek asal sığım ardışık örnek tabanlı nedensel neden merkezi limit kuramı zincir bölüm betimlemek ki kare şehir içi uzaklık sınıf sınıflandırıcı hizip öbek gizyazı

3 453 codebook vector column combination competitive complement complexity component compression computation concave condensed conditional independence confidence confusion (matrix) conjugate connected (graph) connection connectivity constant contingency (table) contour contrast convex convolution cooperative coordinates correction correlation cost count coupled covariance cover credit assignment criterion criterion critic cross-entropy cross-validation cumulative (distribution) curse of dimensionality curvature curve cycle gizyazı yöneyi sütun birleşim yarışmacı tümleyen karmaşıklık bileşen sıkıştırma hesaplama içbükey seyrek koşullu bağımsızlık güven hata (dizeyi) eşlenik bağlı (çizge) bağlantı bağlantısallık sabit olumsallık (çizelgesi) çevrit zıtlık dışbükey evrişim işbirlikçi eksen değerleri düzeltme ilinti bedel sayım bağlı eşdeğişinti kapsamak sorumluluk atama ölçüt kıstas eleştirmen çapraz düzensizlik çapraz geçerleme birikimli (dağılım) çok boyutluluğun laneti eğrilik eğri çevrim

4 454 Ek B. İngilizce Türkçe Sözlük dataset decay decision decode decoder decomposition decremental dendrogram density depth-first descendant description design detail detection deterministic deviation diagnosis diagnostic diagonal diagram dichotomizer diffusion dilemma dimension directed discontinuity discount discrete discretization discriminant distance distributed distribution divergence diversity divisive document dot product doubt dual dummy variable dynamic edge veri kümesi sönüm karar gizçözmek gizçözer ayrışım azalımlı ağaç çizit yoğunluk derinlik öncelikli soyundan gelen betimleme tasarım ayrıntı sezim gerekirci sapma tanı tanısal köşegen çizem ikili ayırıcı yayınım ikilem boyut yönlü süreksizlik indirim kesikli kesiklileştirme ayırtaç uzaklık dağıtık dağılım ıraksama çeşitlilik bölmeli belge iç çarpım kuşku eşlek yapay değişken devingen ayrıt

5 455 edit distance efficient eigenvector element eligibility eliminate embedding emission empirical encode encoder ensemble entropy environment episode epoch equation error error bar eşölçümsel et al Euclidean distance evaluation evidence exact example exercise exhaustive expansion expectation-maximization experiment expert explaining away expression extraction extrapolation factor factor factorial feature feedforward figure filter finite horizon düzeltme uzaklığı etkili özyöney öğe uygunluk elemek gömme yayım gözlemsel gizyazmak gizyazar küme düzensizlik ortam serüven dönem denklem hata hata çubuğu isometric ve ötekiler Euclid uzaklığı değerlendirme kanıt kesin örnek alıştırma kapsayan açılım beklenti büyütme deney uzman örtbas etmek bildirim çıkarım dışdeğerleme çarpan etken etkensel öznitelik ileriye doğru şekil süzgeç sonlu serüven

6 456 Ek B. İngilizce Türkçe Sözlük fit flexible floating fold forward frontal function fusion fuzzy generalization generative generic geodesic gradient graph graphical greedy group hard hash table heuristics hidden hierarchical higher-order hinge (loss) hint histogram hybrid hyper hypothesis identical if-then iid ill-posed impurity imputation incremental independence index indicator induction inductive bias inference infinite horizon oturtma, uydurma esnek kayan kat ileriye doğru cepheden işlev kaynaştırma bulanık genelleme üretici genel yerölçümsel eğim çizge çizgesel açgözlü öbek keskin anahtarlı çizelge sezgi saklı ağaç yapılı üst düzey menteşe (yitimi) ipucu çubukçizit karma üstün denence özdeş eğer-ise bağımsız ve özdeşçe dağılmış kötü konumlanmış katışıklık yükleme artımlı bağımsızlık dizin gösterge kural oluşturma model varsayımı çıkarsama sonsuz serüven

7 457 influence information inhibition initial inner product input instance instantiate interaction internal interpolate interpretability interval invariance isometric isoprobability item iteration jobshop joint jump junction kfold kernel kernelization k-means k-nearest neighbor knowledge latent lateral lattice layer leader cluster leaf leave-one-out level lift (of an association rule) likelihood linear link loading local logistic logit etki bilgi ketleme ilk iç çarpım girdi örnek somutlaşmak etkileşim iç ara değerlemek yorumlanabilirlik aralık değişmezlik eşölçümsel eşolasılık öğe yineleme sipariş birleşik sıçrama kavşak kkat çekirdek çekirdekleme k merkezli en yakın k komşu bilgi saklı yanal kafes katman önder öbekleme yaprak birini dışarıda bırak düzey etki (ilişkilendirme kuralının) olabilirlik doğrusal bağ yükleme yerel S biçimli ters S

8 458 Ek B. İngilizce Türkçe Sözlük loop loss majority map mapping margin marginalize matching matrix maximization maximum a posteriori (MAP) maximum likelihood (ML) max-product mean measure mechanism meiosis membership memory message methodology metric minimization missing mixture modality mode (of a density) model moralization multinomial (distribution) multiple multistage multivariate mutually exclusive naive negative network neuron node noise nonlinear nonnegative nonparametric norm döngü yitim çoğunluk harita eşleme kenar payı tümleştirme eşleştirme dizey büyütme en büyük sonsal (EBS) en büyük olabilirlik (EBO) büyütme çarpma ortalama ölçüt düzenek eşeyli bölünme üyelik bellek ileti yöntembilim ölçev küçültme eksik karışım kip tepe (dağılımın) model ahlaklılaştırma katlıterimli (dağılım) çoklu çok aşamalı çok değişkenli ayrık saf eksi ağ sinir hücresi düğüm gürültü doğrusal olmayan eksi olmayan dağılımdan bağımsız büyüklük

9 459 normal normalization NP-complete nuisance factor null hypothesis numeric oblique observable observation Occam s razor occluded offline off-policy omnivariate one-sided online on-policy optimal optimization or order (of a polynomial) order (statistics) origin (of axes) oscillate outcome outlier overfitting overtraining paired pairing pairwise parallel parametric parent (node) parity partial passive path pattern pedigree perceptron performance phone phoneme normal normalleştirme çokterimli zamanda bulunamaz zararlı etken sıfır denencesi sayısal yatık gözlenebilir gözlem Occam ın usturası örtülü çevrimdışı politikasız tüm değişkenli tek yanlı çevrimiçi politikalı en iyi iyileme veya derece (çokterimlinin) sıra (istatistikleri) sıfır noktası (eksenlerin) salınım sonuç aykırı aşırı öğrenme aşırı eğitme eşli eşleme ikili koşut dağılıma bağlı ebeveyn (düğüm) eşlik kısmi, kısmen edilgen yol örüntü soy algılayıcı başarım sesbirimcik sesbirim

10 460 Ek B. İngilizce Türkçe Sözlük phylogenetic tree piecewise pixel plasticity plate plot plurality policy polychotomizer polyhedron polynomial polytree positive positive definite positive semidefinite posterior posthoc postpruning potential function power power function precision predicate prediction predictive prepruning primal principal principle prior probabilistic probability probably procedure projection propagation propositional (rule) prototype pruning pseudocode purity pursuit quadratic quantization soy ağacı parçalı imge noktası yoğrukluk tabaka çizim çoğulluk politika çoklu ayırıcı çokyüzlü çokterimli çoklu ağaç artı kesin artı yarı kesin artı sonsal olasılık artçı geç budama gerilim işlevi üst güç işlevi kesinlik belirtim öngörü öngörücü erken budama asal temel ilke önsel olasılıksal olasılık olası yordam izdüşüm yayılım önermeli (kural) asıl örnek budama örnek program saflık izleme karesel, ikinci dereceden nicemleme

11 461 query radial random random randomization range rank (of a matrix) rank (test) real-time reasoning recall receiver receptive field reciprocal recognition reconstruction recurrent recursive redundancy reference references region regression regressogram regularization reinforcement reject relative relevance replication repository representation residual response retrieval reverse engineering reward ridge risk robust row rule running sample sorgu dairesel rastgele rastsal rastsallaştırma açıklık kerte (dizeyin) sıra (sınaması) gerçek zamanlı akıl yürütme anma alıcı algı alanı ters tanıma geriçatma özyineli özçağrılı fazlalık dayanak kaynaklar alan bağlanım bağlanım çiziti düzenlileştirme pekiştirme ret görece ilgililik çoğaltma veri tabanı gösterim artık tepki erişim tersine mühendislik ödül sırt risk gürbüz satır kural akan örneklemek (f), örneklem (i)

12 462 Ek B. İngilizce Türkçe Sözlük scalar scale scatter scene schedule scree search section segmentation selection self-organizing semiparametric sensitivity sensor sequence sequential set shaded share shatter short term sigmoid sign significance simulation simultaneous singly (connected) singular slack (variable) smooth smoother soft softmax (function) sort spam span sparse spatial specific specificity spectral spectrum spline split sayıl ölçek saçılım görüntü zaman çizelgesi kayşat arama bölüm bölütleme seçim özörgütlemeli dağılıma yarı bağlı duyarlılık alıcı dizi sırayla küme gölgeli paylaşmak tuz buz etmek kısa soluklu sigmoid (S işlevi) işaret anlamlılık benzetim eş zamanlı tekli (bağlı) tekil artık (değişken) düzleştirme düzleştirici eşiksiz eşiksiz en büyük işlevi sıralamak istenmeyen elektronik posta kapsamak seyrek uzamsal özgül özgüllük izgesel izge eğri bölme

13 463 spread yayılım stable kararlı stacking yığma stepsize adım büyüklüğü stimulation dürtü stochastic rastgele strategy yordam stratification katmanlaştırma stress gerilim string dizi structure yapı stump ağaççık subgraph altçizge subset altküme subspace altuzay sum-product toplam çarpım supervised gözetimli support destek surface yüzey switching geçişli symbol simge symmetric bakışımlı symptom belirti synchronization eşzamanlama system dizge table çizelge tangent teğet template şablon temporal zamansal term terim terminal uç test sınama theory kuram threshold eşik time delay zaman gecikmeli time series zaman dizisi topographic yerbetimsel topological ilingesel trace iz trade-off ödünleşim trajectory gezinge transcribe çevriyazmak transition geçiş transpose devrik

14 464 Ek B. İngilizce Türkçe Sözlük traveling salesman trellis two-sided type I type II unbiased unconstrained underfitting unfold uniform (distribution) univariate unobservable unsupervised utility validation variance variational vector version vigilance virtual voting weight winner-take-all wrapper xor gezgin satıcı kafes iki yanlı 1. tür 2. tür yansız kısıtlanmamış eksik öğrenme açılmış tekdüze (dağılım) tek değişkenli gözlenemeyen gözetimsiz fayda geçerleme değişinti değişimsel yöney sürüm tetiklik sanal oylama ağırlık kazanan hepsini alır dürümcü dışlamalı veya

15 Ek C Türkçe İngilizce Sözlük Türkçe İngilizce 1. tür type I 2. tür type II açgözlü greedy açıklık range açılım expansion açılmış unfold adım büyüklüğü stepsize ağ network ağaç çizit dendrogram ağaç yapılı hierarchical ağaççık stump ağırlık weight ahlaklılaştırma moralization akan running akıl yürütme reasoning alan region algı alanı receptive field algılayıcı perceptron algoritma algorithm alıcı receiver alıcı sensor alıştırma exercise altçizge subgraph altküme subset altuzay subspace anahtarlı çizelge hash table anlamlılık significance anma recall

16 466 Ek C. Türkçe İngilizce Sözlük ara değerlemek aralık arama ardışık artçı artı artık artık (değişken) artımlı asal asal asıl örnek aşırı eğitme aşırı öğrenme ata ayırtaç aykırı ayrık ayrıntı ayrışım ayrıt ayrıt azalımlı bağ bağımsız ve özdeşçe dağılmış bağımsızlık bağlanım bağlanım çiziti bağlantı bağlantısallık bağlı bağlı (çizge) bakışımlı başarım Bayesçi bedel beklenti büyütme belge belirti belirtim belit bellek benzetim betimleme interpolate interval search cascade posthoc positive residual slack (variable) incremental canonical primal prototype overtraining overfitting ancestor discriminant outlier mutually exclusive detail decomposition arc edge decremental link iid independence regression regressogram connection connectivity coupled connected (graph) symmetric performance Bayesian cost expectation-maximization document symptom predicate axiom memory simulation description

17 467 betimlemek characterize bildirim expression bileşen component bilgi information bilgi knowledge binom binomial birikimli (dağılım) cumulative (distribution) birini dışarıda bırak leave-one-out birleşik joint birleşim combination birleştirmeli agglomerative biyometri biometrics boyut dimension bölme split bölmeli divisive bölükleme blocking bölüm chapter bölüm section bölütleme segmentation budama pruning bulanık fuzzy büyüklük norm büyütme maximization büyütme çarpma max-product cepheden frontal çapa anchor çapraz düzensizlik cross-entropy çapraz geçerleme cross-validation çarpan factor çekirdek kernel çekirdekleme kernelization çeşitlilik diversity çevrim cycle çevrimdışı offline çevrimiçi online çevrimsiz acyclic çevrit contour çevriyazmak transcribe çıkarım extraction çıkarsama inference çizelge table çizem diagram çizge graph çizgesel graphical

18 468 Ek C. Türkçe İngilizce Sözlük çizim çoğaltma çoğulluk çoğunluk çok aşamalı çok boyutluluğun laneti çok değişkenli çoklu çoklu ağaç çoklu ayırıcı çokterimli çokterimli zamanda bulunamaz çokyüzlü çözümleme çözümleyici çözümsel çubukçizit dağılım dağılıma bağlı dağılıma yarı bağlı dağılımdan bağımsız dağıtık dairesel dallan ve sınırla dayanak değer atama değerlendirme değişimsel değişinti değişmezlik denek denence deney denklem derece (çokterimlinin) derinlik öncelikli destek devingen devrik dışbükey dışdeğerleme dışlamalı veya dizey dizge plot replication plurality majority multistage curse of dimensionality multivariate multiple polytree polychotomizer polynomial NP-complete polyhedron analysis analyzer analytical histogram distribution parametric semiparametric nonparametric distributed radial branch and bound reference binding evaluation variational variance invariance benchmark hypothesis experiment equation order (of a polynomial) depth-first support dynamic transpose convex extrapolation xor matrix system

19 469 dizi dizi dizin doğrusal doğrusal olmayan dönem döngü duyarlılık düğüm dürtü dürümcü düzeltme düzeltme uzaklığı düzenek düzenlileştirme düzensizlik düzey düzleştirici düzleştirme ebeveyn (düğüm) edilgen eğer-ise eğim eğri eğri eğrilik ek girdi eklemeli eklemleyici eksen değerleri eksi eksi olmayan eksik eksik öğrenme elemek eleştirmen en büyük olabilirlik (EBO) en büyük sonsal (EBS) en iyi en yakın k komşu erişim erken budama esnek eş gen sequence string index linear nonlinear epoch loop sensitivity node stimulation wrapper correction edit distance mechanism regularization entropy level smoother smooth parent (node) passive if-then gradient curve spline curvature bias unit additive articulator coordinates negative nonnegative missing underfitting eliminate critic maximum likelihood (ML) maximum a posteriori (MAP) optimal k-nearest neighbor retrieval prepruning flexible allele

20 470 Ek C. Türkçe İngilizce Sözlük eş zamanlı eşdeğişinti eşeyli bölünme eşik eşiksiz eşiksiz en büyük işlevi eşlek eşleme eşleme eşlenik eşleştirme eşli eşlik eşolasılık eşölçümsel eşzamanlama etken etkensel etki etki (ilişkilendirme kuralının) etkilenim etkileşim etkili etkin etmen Euclid uzaklığı evrişim eylem fayda fazlalık geç budama geçerleme geçiş geçişli genel genelleme genişletilmiş genişlik öncelikli gerçek zamanlı gerekirci geri yayma geriçatma gerilim gerilim işlevi simultaneous covariance meiosis threshold soft softmax (function) dual mapping pairing conjugate matching paired parity isoprobability isometric synchronization factor factorial influence lift (of an association rule) activation interaction efficient active agent Euclidean distance convolution action utility redundancy postpruning validation transition switching generic generalization augmented breadth-first real-time deterministic backpropagation reconstruction stress potential function

21 471 geriye doğru geriye taşıma gezgin satıcı gezinge girdi gizçözer gizçözmek gizyazar gizyazı gizyazı yöneyi gizyazmak gölgeli gömme görece görüntü gösterge gösterim gözetimli gözetimsiz gözlem gözlemsel gözlenebilir gözlenemeyen güç işlevi gürbüz gürültü güven harita hata hata (dizeyi) hata çubuğu hava devinim bilimi hesaplama hizalama hizip ıraksama iç iç çarpım iç çarpım içbükey iki yanlı ikilem ikili ikili backward backup traveling salesman trajectory input decoder decode encoder code codebook vector encode shaded embedding relative scene indicator representation supervised unsupervised observation empirical observable unobservable power function robust noise confidence map error confusion (matrix) error bar aerodynamics computation alignment clique divergence internal dot product inner product concave two-sided dilemma binary pairwise

22 472 Ek C. Türkçe İngilizce Sözlük ikili ayırıcı ileriye doğru ileriye doğru ileti ilgililik ilingesel ilinti ilişkilendirme ilk ilke imge noktası inanç indirim ipucu isometric istenmeyen elektronik posta işaret işbirlikçi işlev iyileme iz izdüşüm izge izgesel izleme k kat k merkezli kafes kafes kanıt kapsamak kapsamak kapsayan karar kararlı karesel, ikinci dereceden karışım karma karmaşıklık kat katışıklık katlıterimli (dağılım) katman katmanlaştırma dichotomizer feedforward forward message relevance topological correlation association initial principle pixel belief discount hint eşölçümsel spam sign cooperative function optimization trace projection spectrum spectral pursuit k fold k-means lattice trellis evidence cover span exhaustive decision stable quadratic mixture hybrid complexity fold impurity multinomial (distribution) layer stratification

23 473 kavşak kayan kaynaklar kaynaştırma kayşat kazanan hepsini alır kenar payı kerte (dizeyin) kesikli kesiklileştirme kesin kesin artı kesinlik keskin ketleme kısa soluklu kısıtlanmamış kısmi, kısmen kıstas ki kare kimlik doğrulama kip kollu kumar makinesi koşullu bağımsızlık koşut köşegen kötü konumlanmış kural kural oluşturma kuram kuşku kutucuk küçültme küme küme mantıksal menteşe (yitimi) merkezi limit kuramı model model varsayımı neden nedensel nicemleme normal junction floating references fusion scree winner-take-all margin rank (of a matrix) discrete discretization exact positive definite precision hard inhibition short term unconstrained partial criterion chi-square authentication modality bandit conditional independence parallel diagonal ill-posed rule induction theory doubt bin minimization ensemble set Boolean hinge (loss) central limit theorem model inductive bias cause causal quantization normal

24 474 Ek C. Türkçe İngilizce Sözlük normalleştirme Occam ın usturası olabilirlik olası olasılık olasılıksal olumsallık (çizelgesi) ortalama ortam oturtma, uydurma oylama öbek öbek ödül ödünleşim öğe öğe ölçek ölçev ölçüt ölçüt önder öbekleme önermeli (kural) öngörü öngörücü önsel örnek örnek örnek program örnek tabanlı örneklemek (f), örneklem (i) örtbas etmek örtülü örüntü özçağrılı özdeş özdevinir özgül özgüllük özilişkilendirici öznitelik öznitelik özörgütlemeli özyineli normalization Occam s razor likelihood probably probability probabilistic contingency (table) mean environment fit voting cluster group reward trade-off item element scale metric criterion measure leader cluster propositional (rule) prediction predictive prior example instance pseudocode case-based sample explaining away occluded pattern recursive identical automaton specific specificity autoassociator attribute feature self-organizing recurrent

25 475 özyöney eigenvector parçalı piecewise paylaşmak share pekiştirme reinforcement politika policy politikalı on-policy politikasız off-policy rastgele random rastgele stochastic rastgele örnekleme bootstrap rastsal random rastsallaştırma randomization ret reject risk risk Sbiçimli logistic sabit constant saçılım scatter saf naive saflık purity saklı hidden saklı latent salınım oscillate sanal virtual sapma deviation satır row sayıl scalar sayım count sayısal numeric seçim selection sepet basket serüven episode sesbirim phoneme sesbirimcik phone seyrek condensed seyrek sparse sezgi heuristics sezim detection sıçrama jump sıfır denencesi null hypothesis sıfır noktası (eksenlerin) origin (of axes) sığım capacity sıkıştırma compression sınama test sınıf class

26 476 Ek C. Türkçe İngilizce Sözlük sınıflandırıcı sıra (istatistikleri) sıra (sınaması) sıralamak sırayla sırt sigmoid (S işlevi) simge sinir hücresi sipariş somutlaşmak sonlu serüven sonsal olasılık sonsuz serüven sonuç sorgu sorumluluk atama soy soy ağacı soyundan gelen sönüm sözcük torbası süreksizlik sürüm sütun süzgeç şablon şehir içi uzaklık şekil tabaka taban taban tanı tanıma tanısal tasarım tavlamak teğet tek değişkenli tek yanlı tekdüze (dağılım) tekil tekli (bağlı) temel classifier order (statistics) rank (test) sort sequential ridge sigmoid symbol neuron jobshop instantiate finite horizon posterior infinite horizon outcome query credit assignment pedigree phylogenetic tree descendant decay bag of words discontinuity version column filter template city-block distance figure plate base basis diagnosis recognition diagnostic design anneal tangent univariate one-sided uniform (distribution) singular singly (connected) principal

27 477 tepe (dağılımın) tepki terim ters ters S tersine mühendislik tetiklik toplam çarpma toptan tuz buz etmek tüm değişkenli tümleştirme tümleyen tümsek uç uyarlama uygunluk uzaklık uzamsal uzman üretici üst üst düzey üstün üyelik ve ve ötekiler veri kümesi veri tabanı veya yaklaşık yaklaşıklama yanal yanlılık yansız yapay değişken yapı yaprak yarı kesin artı yarışmacı yatık yayılım yayılım yayım mode (of a density) response term reciprocal logit reverse engineering vigilance sum-product batch shatter omnivariate marginalize complement bump terminal adaptation eligibility distance spatial expert generative power higher-order hyper membership and et al dataset repository or approximate approximation lateral bias unbiased dummy variable structure leaf positive semidefinite competitive oblique propagation spread emission

28 yayınım yerbetimsel yerel yerölçümsel yığma yineleme yitim yoğrukluk yoğunluk yol yordam yordam yorumlanabilirlik yöney yönlü yöntembilim yükleme yükleme yüzey zaman çizelgesi zaman dizisi zaman gecikmeli zamansal zararlı etken zıtlık zincir diffusion topographic local geodesic stacking iteration loss plasticity density path procedure strategy interpretability vector directed methodology imputation loading surface schedule time series time delay temporal nuisance factor contrast chain

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21 İçindekiler Önsöz İkinci Basım için Önsöz Türkçe Çeviri için Önsöz Gösterim xiii xv xvii xix 1 Giriş 1 1.1 Yapay Öğrenme Nedir?......................... 1 1.2 Yapay Öğrenme Uygulamalarına Örnekler...............

Detaylı

MEH535 Örüntü Tanıma

MEH535 Örüntü Tanıma MEH535 Örüntü Tanıma 1. Örüntü Tanımaya Giriş Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr Değerlendirme

Detaylı

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)

Detaylı

MEH535 Örüntü Tanıma. 6. Boyut Azaltımı (Dimensionality Reduction)

MEH535 Örüntü Tanıma. 6. Boyut Azaltımı (Dimensionality Reduction) MEH535 Örüntü anıma 6. Boyut Azaltımı (Dimensionality Reduction) Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr

Detaylı

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1 İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...

Detaylı

Hafta 05 - Karar Ağaçları/Kümeleme

Hafta 05 - Karar Ağaçları/Kümeleme BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr İstanbul Şehir Üniversitesi 2018 - Bahar İçindekiler

Detaylı

Çizgeler (Graphs) Doç. Dr. Aybars UĞUR

Çizgeler (Graphs) Doç. Dr. Aybars UĞUR Çizgeler (Graphs) ve Uygulamaları Doç. Dr. Aybars UĞUR Giriş Şekil 12.1 : Çizge (Graph) Çizge (Graph) : Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan bağlantılardan

Detaylı

Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti

Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr

Detaylı

Dizey Cebirinin Gözden Geçirilmesi

Dizey Cebirinin Gözden Geçirilmesi Bölüm 1 Dizey Cebirinin Gözden Geçirilmesi 1.1 Dizeylere İlişkin Temel Kavramlar 1.1.1 Tanımlar Dizey cebiri kullanmaksızın k değişkenli bir bağlanım modeliyle uğraşmak son derece karmaşık bir iştir. Burada,

Detaylı

UYGULAMA 1 SPSS E GİRİŞ. SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir.

UYGULAMA 1 SPSS E GİRİŞ. SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir. 1 UYGULAMA 1 SPSS E GİRİŞ SPSS; File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Window, Help adlı 10 adet program menüsü içermektedir. Bu menülerin işlevleri ve alt menüleri ile komutları

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan Algılama Teknolojileri Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve

Detaylı

Dizey Cebirinin Gözden Geçirilmesi

Dizey Cebirinin Gözden Geçirilmesi Dizey Cebirinin Gözden Geçirilmesi Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu :

ÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : ÖZGEÇMİŞ 1. Adı Soyadı : Olcay Taner Yıldız 2. Doğum Tarihi : 15.05.1976 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Boğaziçi Üniversitesi 1997 Y.

Detaylı

BLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik

BLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın

Detaylı

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX XI İÇİNDEKİLER ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX 1. GİRİŞ... 1 2. PLANLAMANIN TARİHÇESİ... 7 2.1 Literatürdeki Planlayıcılar ve Kullandıkları Problem... Gösterimi

Detaylı

VERİ MADENCİLİĞİ Metin Madenciliği

VERİ MADENCİLİĞİ Metin Madenciliği VERİ MADENCİLİĞİ Metin Madenciliği Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Metin için Veri Madenciliği Metin Madenciliğinde Sorunlar Metin madenciliği: Veri madenciliği teknikleri ile yazılı belgeler arasındaki

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: CALCULUS II. Dersin Kodu: MAT 1002

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: CALCULUS II. Dersin Kodu: MAT 1002 Dersi Veren Birim: Mühendislik Fakültesi Dersin Türkçe Adı: MATEMATİK II Dersin Orjinal Adı: CALCULUS II Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: MAT 100 Dersin Öğretim

Detaylı

BMT 206 Ayrık Matematik. Yük. Müh. Köksal GÜNDOĞDU 1

BMT 206 Ayrık Matematik. Yük. Müh. Köksal GÜNDOĞDU 1 BMT 206 Ayrık Matematik Yük. Müh. Köksal GÜNDOĞDU 1 Graph (Çizge) Yük. Müh. Köksal GÜNDOĞDU 2 Graph (Çizge) Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan

Detaylı

Regresyon ve Sınıflandırma

Regresyon ve Sınıflandırma Regresyon ve Sınıflandırma p Temel fark n n Sınıflandırmada sıralı olmayan kategorik bir hedef değişken vardır. Regresyon probleminde sürekli ya da sıralı bir hedef değişken vardır. p Tüm regresyon yaklaşımları,

Detaylı

İÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR

İÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR İÇİNDEKİLER ÖNSÖZ III Bölüm 1 KÜMELER 11 1.1. Küme 12 1.2. Kümelerin Gösterimi 13 1.3. Boş Küme 13 1.4. Denk Küme 13 1.5. Eşit Kümeler 13 1.6. Alt Küme 13 1.7. Alt Küme Sayısı 14 1.8. Öz Alt Küme 16 1.9.

Detaylı

Gözetimli & Gözetimsiz Öğrenme

Gözetimli & Gözetimsiz Öğrenme Bölüm 5. Sınıflandırma 1 http://ceng.gazi.edu.tr/~ozdemir Gözetimli & Gözetimsiz Öğrenme Predictive Data Mining vs. Descriptive Data Mining Gözetimli (Supervised) öğrenme= sınıflandırma (clasification)

Detaylı

Veri Madenciliği. Bölüm 5. Sınıflandırma 1. Doç. Dr. Suat Özdemir.

Veri Madenciliği. Bölüm 5. Sınıflandırma 1. Doç. Dr. Suat Özdemir. Bölüm 5. Sınıflandırma 1 http://ceng.gazi.edu.tr/~ozdemir Gözetimli & Gözetimsiz Öğrenme Predictive Data Mining vs. Descriptive Data Mining Gözetimli (Supervised) öğrenme= sınıflandırma (clasification)

Detaylı

VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr

VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Sınıflandırıcıların Değerlendirilmesi Skorlar Karışıklık matrisi Accuracy Precision Recall

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski

Detaylı

Hafta 03/04 - Uzaklık/Benzerlik - En Yakın Komşular - Karar Ağaçları

Hafta 03/04 - Uzaklık/Benzerlik - En Yakın Komşular - Karar Ağaçları Hafta 03/04 - Uzaklık/Benzerlik - En Yakın Komşular - Karar Ağaçları BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr

Detaylı

ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI MAYIS 2016

ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI MAYIS 2016 ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI MAYIS 2016 Doktora Yeterlik Sınavı, yazılı ve sözlü bölümden oluşur. Yazılı sınav iki oturumda gerçekleştirilir. Birinci

Detaylı

ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ

ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ Ders List ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ 17.11.2016 Yüksek Lisans Dersleri Kod Ders Adı Ders Adı (EN) T U L K AKTS MTK501 Reel

Detaylı

Makine Öğrenmesi 2. hafta

Makine Öğrenmesi 2. hafta Makine Öğrenmesi 2. hafta Uzaklığa dayalı gruplandırma K-means kümeleme K-NN sınıflayıcı 1 Uzaklığa dayalı gruplandırma Makine öğrenmesinde amaç birbirine en çok benzeyen veri noktalarını aynı grup içerisinde

Detaylı

Akış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

Akış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Akış Makine Öğrenmesi nedir? Günlük Hayatımızdaki Uygulamaları Verilerin Sayısallaştırılması Özellik Belirleme Özellik Seçim Metotları Bilgi Kazancı (Informaiton Gain-IG) Sinyalin Gürültüye Oranı: (S2N

Detaylı

Şayet bir lineer sistemin en az bir çözümü varsa tutarlı denir.

Şayet bir lineer sistemin en az bir çözümü varsa tutarlı denir. GAZI UNIVERSITY ENGINEERING FACULTY INDUSTRIAL ENGINEERING DEPARTMENT ENM 205 LINEAR ALGEBRA COURSE ENGLISH-TURKISH GLOSSARY Linear equation: a 1, a 2, a 3,.,a n ; b sabitler ve x 1, x 2,...x n ler değişkenler

Detaylı

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Makine Öğrenmesi. Erhan AKDOĞAN, Ph.D.

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Makine Öğrenmesi. Erhan AKDOĞAN, Ph.D. Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Makine Öğrenmesi Erhan AKDOĞAN, Ph.D. Bu ders notunun hazırlanmasında Dr. U.Orhan ve Banu Diri nin ders notlarından yararlanılmıştır. Makine öğrenmesi

Detaylı

Yapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı

Yapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı Yapay Sinir Ağlarına Giriş Dr. Hidayet Takçı htakci@gmail.com http://htakci.sucati.org Giriş Neden Yapay Sinir Ağları (YSA) Bazı işler insanlar tarafından kolaylıkla yerine getirilirken mevcut bilgisayarlar

Detaylı

MEH535 Örüntü Tanıma

MEH535 Örüntü Tanıma MEH535 Örünü Tanıma 4. Paramerik Sınıflandırma Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Paramerik

Detaylı

İstatistiksel Kavramların Gözden Geçirilmesi

İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Çıkarsama Ekonometri 1 Konu 3 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

UBE Machine Learning. Kaya Oguz

UBE Machine Learning. Kaya Oguz UBE 521 - Machine Learning Kaya Oguz Support Vector Machines How to divide up the space with decision boundaries? 1990s - new compared to other methods. How to make the decision rule to use with this boundary?

Detaylı

Ağaç (Tree) Veri Modeli

Ağaç (Tree) Veri Modeli Ağaç (Tree) Veri Modeli 1 2 Ağaç Veri Modeli Temel Kavramları Ağaç, bir kök işaretçisi, sonlu sayıda düğümleri ve onları birbirine bağlayan dalları olan bir veri modelidir; aynı aile soyağacında olduğu

Detaylı

MEH535 Örüntü Tanıma. Karar Teorisi

MEH535 Örüntü Tanıma. Karar Teorisi MEH535 Örüntü Tanıma 2. Karar Teorisi Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr Karar Teorisi

Detaylı

Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)

Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data

Detaylı

Eğitim seti (training set) sınıflandırma modelinin elde edileceği kayıtları içerir

Eğitim seti (training set) sınıflandırma modelinin elde edileceği kayıtları içerir sınıflandırma: temel kavramlar, karar ağaçları ve model değerlendirme Sınıflandırma : Tanım Eğitim seti (training set) sınıflandırma modelinin elde edileceği kayıtları içerir Eğitim setindeki her kayıt

Detaylı

Makine Öğrenmesine Giriş. YZM 3226 Makine Öğrenmesi

Makine Öğrenmesine Giriş. YZM 3226 Makine Öğrenmesi Makine Öğrenmesine Giriş YZM 3226 Makine Öğrenmesi Sunum İçeriği Makine Öğrenmesi Nedir? Neden Önemlidir? Makine Öğrenmesi Tarihi Makine Öğrenmesi Örnek Uygulamaları Öğrenme Tipleri Öğrenme Nedir? Reasoning

Detaylı

CS 553 INTELLIGENT DATA ANALYSIS PROJECT WORKSHOP ORHUN ALP ORAL

CS 553 INTELLIGENT DATA ANALYSIS PROJECT WORKSHOP ORHUN ALP ORAL 1 CS 553 INTELLIGENT DATA ANALYSIS PROJECT WORKSHOP ORHUN ALP ORAL 2 PROJECT OUTLINE 1. Domain Information 2. Dataset: Extraction, Features and possible values 3. Preprocessing: Statistics, missing values,

Detaylı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS. 507001112001 MATEMATİK II Zorunlu 1 2 5

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS. 507001112001 MATEMATİK II Zorunlu 1 2 5 Ders Öğretim Planı Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS 507001112001 MATEMATİK II Zorunlu 1 2 5 Dersin Seviyesi Lisans Dersin Amacı Matematik bilgisini mühendislik problemlerini çözmede

Detaylı

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#6: AZALT VE FETHET YÖNTEMİ

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#6: AZALT VE FETHET YÖNTEMİ YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#6: AZALT VE FETHET YÖNTEMİ Azalt ve Fethet Algoritmaları Problemi daha küçük bir örneğine çevir: Küçük örneği çöz Çözümü asıl probleme genişlet 3 tipi vardır:

Detaylı

2. BASİT DOĞRUSAL REGRESYON 12

2. BASİT DOĞRUSAL REGRESYON 12 1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12

Detaylı

DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1

DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 Emre YAMANGİL Orhan FEYZİOĞLU Süleyman ÖZEKİCİ Galatasaray Üniversitesi Galatasaray Üniversitesi Koç Üniversitesi

Detaylı

İSTATİSTİK II MINITAB

İSTATİSTİK II MINITAB İSTATİSTİK II MINITAB 8.5. Veriler k DENEY TASARIMI Treatment Design Factor Combinations A B C Surface Rougness () - - - 9 7 a - - b - - 9 ab - 5 c - - ac - bc - 8 abc 6 Veri Giriş Sayfasının Oluşturulması

Detaylı

Çok-öbekli Veri için Aradeğerlemeci Ayrışım

Çok-öbekli Veri için Aradeğerlemeci Ayrışım Interpolative Decomposition for Data with Multiple Clusters Çok-öbekli Veri için Aradeğerlemeci Ayrışım İsmail Arı, A. Taylan Cemgil, Lale Akarun. Boğaziçi Üniversitesi, Bilgisayar Mühendisliği 25 Nisan

Detaylı

Şifrebilimde Yapay Sinir Ağları

Şifrebilimde Yapay Sinir Ağları Ege Üniversitesi Bilgisayar Mühendisliği Bölümü Şifrebilimde Yapay Sinir Ağları BİM345 Yapay Sinir Ağları İlker Kalaycı Mayıs,2008 Gündem Şifrebilim Şifrebilim nedir Şifreleme Şifre Çözme Klasik Şifreleme

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık

Detaylı

Derin Yapay Sinir Ağları ve Derin Öğrenme ye Kısa Bir Giriş

Derin Yapay Sinir Ağları ve Derin Öğrenme ye Kısa Bir Giriş Derin Yapay Sinir Ağları ve Derin Öğrenme ye Kısa Bir Giriş Dr. Öğr. Üyesi Emre Akbaş BMO Semineri 24 Kasım 2018 Bilgisayar Mühendisliği Orta Doğu Teknik Üniversitesi 1 Yanıtlamaya çalışacağımız sorular

Detaylı

T.C. BİLECİK ŞEYH EDEBALI ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BİLGİSAYAR MÜHENDİSLİĞİ LİSANSÜSTÜ DERSLERİ

T.C. BİLECİK ŞEYH EDEBALI ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BİLGİSAYAR MÜHENDİSLİĞİ LİSANSÜSTÜ DERSLERİ T.C. BİLECİK ŞEYH EDEBALI ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BİLGİSAYAR MÜHENDİSLİĞİ LİSANSÜSTÜ DERSLERİ BİLGİSAYAR MÜHENDİSLİĞİ LİSANSÜSTÜ DERSLERİ KODU DERS ADI T U K AKTS S/Z BM501 Algoritmaların

Detaylı

BBM Discrete Structures: Final Exam Date: , Time: 15:00-17:00

BBM Discrete Structures: Final Exam Date: , Time: 15:00-17:00 BBM 205 - Discrete Structures: Final Exam Date: 12.1.2017, Time: 15:00-17:00 Ad Soyad / Name: Ögrenci No /Student ID: Question: 1 2 3 4 5 6 7 8 9 10 11 Total Points: 6 16 8 8 10 9 6 8 14 5 10 100 Score:

Detaylı

ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI OCAK 2017

ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI OCAK 2017 ANADOLU ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA YETERLİK SINAVI OCAK 2017 Doktora Yeterlik Sınavı, yazılı ve sözlü bölümden oluşur. Yazılı sınav iki oturumda gerçekleştirilir. Birinci

Detaylı

Instance Based Learning k-nn. YZM 3226 Makine Öğrenmesi

Instance Based Learning k-nn. YZM 3226 Makine Öğrenmesi Instance Based Learning k-nn YZM 3226 Makine Öğrenmesi Outline Eager vs. Lazy Learning Instance Based Learning K-Nearest Neighbor Algorithm Nearest Neighbor Approach Basic k-nearest Neighbor Classification

Detaylı

ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ

ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ Ali S Awad *, Erhan A İnce* *Doğu Akdeniz Üniversitesi Elektrik ve Elektronik Mühendisliği Mağosa, KKTC İnce@eeneteeemuedutr, Asawad@emuedutr Özetçe Beyaz

Detaylı

Mesleki Terminoloji II Veri Madenciliği

Mesleki Terminoloji II Veri Madenciliği Mesleki Terminoloji II Veri Madenciliği Burak Düşün - 14011055 Akif Berkay Gürcan - 14011023 Veri Madenciliği Nedir? Veri madenciliği, büyük miktarda verinin anlamlı örüntüler bulmak amacıyla otomatik

Detaylı

Azalt ve Fethet Algoritmaları

Azalt ve Fethet Algoritmaları Azalt ve Fethet Algoritmaları Problemi daha küçük bir örneğine çevir: Küçük örneği çöz Çözümü asıl probleme genişlet 3 tipi vardır: Bir sabitle azalt (Genellikle 1) Eklemeli Sıralama (Insertion Sort) Topolojik

Detaylı

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler İçerik Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler 1 3 0 0 3 8 Ön Koşul Derse Kabul Koşulları Dersin Dili Türü Dersin Düzeyi Dersin Amacı İngilizce Zorunlu Doktora

Detaylı

Matematiksel Optimizasyon ve Yapay Öğrenme

Matematiksel Optimizasyon ve Yapay Öğrenme Matematiksel Optimizasyon ve Yapay Öğrenme İlker Birbil Sabancı Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Endüstri Mühendisliği Programı Veri Bilimi İstanbul Buluşma 14 Şubat, 2017 Optimizasyon

Detaylı

Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları

Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Ece Akıllı Université de Genève 12 Eylül 2016 CERN TR E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 1 / 18 Akış 1 Makine Ogrenimi 2 Yapay Sinir

Detaylı

Naive Bayes Yöntemi ile Spam Mail Teşhisi Kübra KURNAZ

Naive Bayes Yöntemi ile Spam Mail Teşhisi Kübra KURNAZ Naive Bayes Yöntemi ile Spam Mail Teşhisi 2 17574006-Kübra KURNAZ Yıldız Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Bilgisayar Mühendisliği Bölümü, Tezsiz Yüksek Lisans Bilgi Teknolojileri Özet

Detaylı

YZM 3217 YAPAY ZEKA DERS#3: PROBLEM ÇÖZME VE ARAMA

YZM 3217 YAPAY ZEKA DERS#3: PROBLEM ÇÖZME VE ARAMA YZM 3217 YAPAY ZEKA DERS#3: PROBLEM ÇÖZME VE ARAMA Problem çözme ve arama Problem çözmeye giriş Karmaşıklık Bilgisiz arama Problem formülasyonu Arama stratejileri: derinlik-önce, genişlik-önce Bilgili

Detaylı

Veri Madenciliği. Bölüm 6. Sınıflandırma 2. Doç. Dr. Suat Özdemir.

Veri Madenciliği. Bölüm 6. Sınıflandırma 2. Doç. Dr. Suat Özdemir. Bölüm 6. Sınıflandırma 2 http://ceng.gazi.edu.tr/~ozdemir Karar Ağacı Örnek Algoritma: ID3 Bütün nitelikler ayrık Bir düğüm oluştur N: Eğer örneklerin hepsi C sınıfına ait ise, N düğümü C etiketli yaprak

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS YAPAY ZEKA BG-421 4/2 2+1+0 2+.5 4 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS

Detaylı

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011)

Temel Kavramlar. Bağlanım Çözümlemesi. Temel Kavramlar. Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) Bağlanım Çözümlemesi Temel Kavramlar Ekonometri 1 Konu 6 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

Doğan Can, Murat Saraçlar. Bebek, İstanbul. 9 Mart, 2009

Doğan Can, Murat Saraçlar. Bebek, İstanbul. 9 Mart, 2009 Türkçe Haber Bültenlerinin Açık Kaynak Yazılımlar ile Yazılandırılması Doğan Can, Murat Saraçlar Elektrik Elektronik Mühendisliği Bölümü Boğaziçi Üniversitesi Bebek, İstanbul 9 Mart, 2009 Bir Bakışta GDSKT

Detaylı

EME 3117 SİSTEM SİMULASYONU

EME 3117 SİSTEM SİMULASYONU EME 3117 SİSTEM SİMULASYONU Sonsuz Ufuk Simulasyon (Kararlı Hal Simulasyonu) Ders 14 Hatırlatma Gözleme ve Zamana Dayalı Performans Ölçümleri Gözleme Dayalı Ortalama sistem süresi Ortalama kuyruk süresi

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable

Detaylı

Dr. Hidayet Takçı. Veri Madenciliği Dersi GYTE Dr. Hidayet Takçı 10/05/2008 1

Dr. Hidayet Takçı. Veri Madenciliği Dersi GYTE Dr. Hidayet Takçı 10/05/2008 1 İkinci Ders Veri Madenciliği: Veri Dr. Hidayet Takçı Veri Madenciliği Dersi GYTE Dr. Hidayet Takçı 10/05/2008 1 Veri Nedir? Sayısal veya mantıksal her türlü değer bir veridir. Öznitelik Bir nesneye ait

Detaylı

YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir)

YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) 1996-1998 YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) Hazırlayan : Süleyman Öğrekçi 1996 ve 1998 yılları arasında Güney Carolina da resmi

Detaylı

Veri Madenciliği. Bölüm 6. Sınıflandırma 2

Veri Madenciliği. Bölüm 6. Sınıflandırma 2 Bölüm 6. Sınıflandırma 2 http://ceng.gazi.edu.tr/~ozdemir Karar Ağacı Örnek Algoritma: ID3 Bütün nitelikler ayrık Bir düğüm oluştur N: Eğer örneklerin hepsi C sınıfına ait ise, N düğümü C etiketli yaprak

Detaylı

Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular. Veri Veri Önişleme Benzerlik ve farklılık

Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular. Veri Veri Önişleme Benzerlik ve farklılık 0 VERİ MADENCİLİĞİ Veri Önişleme Yrd. Doç. Dr. Şule Gündüz Öğüdücü Veri Nedir? nesneler ve nesnelerin niteliklerinden oluşan küme kayıt (record), varlık (entity), örnek (sample, instance) nesne için kullanılabilir.

Detaylı

VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme

Detaylı

YZM 2116 Veri Yapıları

YZM 2116 Veri Yapıları YZM 2116 Veri Yapıları Yrd. Doç. Dr. Deniz KILINÇ Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi Yazılım Mühendisliği Bu bölümde, BÖLÜM - 7 Ağaç (Tree) Veri Yapısı Giriş Ağaç VY Temel

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

Textbook & References. Algorithms & Analysis. Baslica Amac. Problemin Cozumu. Amaclar. Ne ogrenecegiz. Problem Tanimlama & Belirleme

Textbook & References. Algorithms & Analysis. Baslica Amac. Problemin Cozumu. Amaclar. Ne ogrenecegiz. Problem Tanimlama & Belirleme Algorithms & Analysis Textbook & References 1.1 Introduction to Algorithms, 2 nd Ed. by Cormen, Leiserson, Rivest & Stein, MIT Press, 2001 OTHER REFERENCES -- The Design and Analysis of Computer Algorithms,

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

İstatistiksel Kavramların Gözden Geçirilmesi

İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Kavramların Gözden Geçirilmesi Anlamlı Basamaklar Konusu ve Olasılık Ekonometri 1 Konu 1 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

Detaylı

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara Veri Madenciliğine Genel Bir Bakış Veri Madenciliğinin Görevleri Sınıflama Seri Sınıflama Algoritmaları Paralel Sınıflama

Detaylı

Kolektif Öğrenme Metotları

Kolektif Öğrenme Metotları Kolektif Öğrenme Metotları Kolektif öğrenme algoritmalarına genel bakış 1-Bagging 2-Ardışık Topluluklarla Öğrenme (Boosting) 3-Rastsal Altuzaylar 4-Rastsal Ormanlar 5-Aşırı Rastsal Ormanlar 6-Rotasyon

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

Destekçi Vektör Makineleri. Destekçi Vektör Makineleri(Support Vector Machines)

Destekçi Vektör Makineleri. Destekçi Vektör Makineleri(Support Vector Machines) Destekçi Vektör Makineleri Destekçi Vektör Makineleri(Support Vector Machines) Değişkenler arasındaki örüntülerin bilinmediği veri setlerindeki sınıflama problemleri için önerilmiş bir makine öğrenmesi

Detaylı

COĞRAFİ BİLGİ SİSTEMLERİ 3D&Spatial Analyst ve ModelBuilder Eğitimi

COĞRAFİ BİLGİ SİSTEMLERİ 3D&Spatial Analyst ve ModelBuilder Eğitimi COĞRAFİ BİLGİ SİSTEMLERİ 3D&Spatial Analyst ve ModelBuilder Eğitimi http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 5 Gün 40 Saat COĞRAFİ BİLGİ SİSTEMLERİ

Detaylı

ÖN SÖZ... XV 1. BÖLÜM İSTATİSTİKTE KULLANILAN TEMEL KAVRAMLAR

ÖN SÖZ... XV 1. BÖLÜM İSTATİSTİKTE KULLANILAN TEMEL KAVRAMLAR İÇİNDEKİLER ÖN SÖZ... XV 1. BÖLÜM İSTATİSTİKTE KULLANILAN TEMEL KAVRAMLAR 1. DEĞİŞKEN... 2 1.1. Değişken Çeşitleri... 3 1.2. Değişkenlerde Bağımsızlık ve Bağımlılık... 5 1.3. Değişkenlerde Kontrol Edilebilirlik...

Detaylı

DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Yapay Zeka BİM-433 4/II 2+2+0 3 4,5 Dersin Dili Dersin Seviyesi

Detaylı

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye

Detaylı

Data Communications. Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü. 10. Hata Kontrolü

Data Communications. Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü. 10. Hata Kontrolü Veri İletişimi Data Communications Suat ÖZDEMİR Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü 10. Hata Kontrolü Konular Giriş Blok kodlama Lineer blok kodlar Cyclic kodlar Checksum http://ceng.gazi.edu.tr/~ozdemir

Detaylı

Konular VERİ MADENCİLİĞİ. Örnek Tabanlı Yöntemler. En Yakın Komşu Sınıflandırıcı. En Yakın Komşu Yöntemi. Farklı Sınıflandırma Yöntemleri

Konular VERİ MADENCİLİĞİ. Örnek Tabanlı Yöntemler. En Yakın Komşu Sınıflandırıcı. En Yakın Komşu Yöntemi. Farklı Sınıflandırma Yöntemleri Konular VERİ MADENCİLİĞİ Farklı Sınıflandırma Yöntemleri Yrd. Doç. Dr. Şule Gündüz Öğüdücü Örnek tabanlı yöntemler ken Yakın Komşu Yöntemi Genetik Algoritmalar Bulanık Küme Sınıflandırıcılar Öngörü Eğri

Detaylı

A New Approach for Named Entity Recognition

A New Approach for Named Entity Recognition A New Approach for Named Entity Recognition Burak Ertopçu 1, Ali Buğra Kanburoğlu 1, Ozan Topsakal 1, Onur Açıkgöz 1, Ali Tunca Gürkan 1, Berke Özenç 1, İlker Çam 1, Begüm Avar 2, Gökhan Ercan 1, Olcay

Detaylı

Derin Öğrenme. M. Ali Akcayol Gazi Üniversitesi

Derin Öğrenme. M. Ali Akcayol Gazi Üniversitesi Derin Öğrenme M. Ali Akcayol Gazi Üniversitesi Giriş Yapay zeka nedir? Yapay sinir ağları nasıl çalışır? Derin öğrenme nedir? Derin öğrenme modelleri nelerdir? Derin öğrenme uygulama alanları nelerdir?

Detaylı

İngilizce regression teriminin sözcük anlamı, istatistikteki sıradanlığa doğru çekilme (regression toward mediocrity) olgusundan gelmektedir.

İngilizce regression teriminin sözcük anlamı, istatistikteki sıradanlığa doğru çekilme (regression toward mediocrity) olgusundan gelmektedir. Bölüm 3 Bağlanım Çözümlemesi 3.1 Temel Kavramlar 3.1.1 Bağlanım Teriminin Anlamı Bağlanım Teriminin Anlamı İngilizce regression teriminin sözcük anlamı, istatistikteki sıradanlığa doğru çekilme (regression

Detaylı

Hidden Markov Model. Forward Algoritması Viterbi Algoritması. Doç.Dr.Banu Diri. Rasgele Olmayan /Gerekirci Model

Hidden Markov Model. Forward Algoritması Viterbi Algoritması. Doç.Dr.Banu Diri. Rasgele Olmayan /Gerekirci Model Hidden Markov Model Forward Algoritması Viterbi Algoritması Doç.Dr.Banu Diri Rasgele Olmayan /Gerekirci Model Bir trafik lambası düşünelim; ışıkların sırasıyla red - red/amber - green - amber - red. Bu

Detaylı

PSK 510 Research Methods and Advanced Statistics

PSK 510 Research Methods and Advanced Statistics PSK 510 Research Methods and Advanced Statistics Lecture 09: PCA and FA Doğan Kökdemir, PhD http://www.kokdemir.info dogan@kokdemir.info 1 İstatistik Las Meninas - Picasso 2 Gerçek Las Meninas - Diego

Detaylı

SE Engineering Sciences 30 Mayıs 2011, Pazartesi 13:00 M1-2 İNG 152 -İngilizce II 31 Mayıs 2011, Salı 14:00 Yabancı Diller Binası

SE Engineering Sciences 30 Mayıs 2011, Pazartesi 13:00 M1-2 İNG 152 -İngilizce II 31 Mayıs 2011, Salı 14:00 Yabancı Diller Binası MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ FİNAL TARİHLERİ 2010-2011 BAHAR DÖNEMİ 1. SINIF Dersin Adı Sınav Tarihi Saat Sınav Yeri TRD 158 / 99 - Türk Dili II 30 Mayıs 2011, 10:00 Mühendislik Amfi SE 104

Detaylı

AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Metin Sınıflandırmada Öznitelik Seçim Yöntemlerinin Değerlendirilmesi AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

Detaylı

Hafta 14 - Mahremiyet Korumalı Makine Öğrenmesi

Hafta 14 - Mahremiyet Korumalı Makine Öğrenmesi BGM 565 - Siber Güvenlik için Makine Öğrenme Yöntemleri Bilgi Güvenliği Mühendisliği Yüksek Lisans Programı Dr. Ferhat Özgür Çatak ozgur.catak@tubitak.gov.tr İstanbul Şehir Üniversitesi 2018 - Bahar İçindekiler

Detaylı