defter*
defter / katalog / EEE 485

EEE 485 Statistical Learning and Data Analytics

Olasılık ve doğrusal cebiri gerçek veriden tahmin üretmeye çeviriyor: doğrusal regresyon ve en küçük kareler, ridge ve lasso, genelleştirilmiş doğrusal modeller, perceptron ve geri yayılım, kümeleme ve Gauss karışımları. Bayesçi ve frekansçı bakış aynı problem üzerinde karşılaştırılıyor. Çok aşamalı dönem projesi %30, midterm ve final %25'er, problem setleri ve quiz %20.

Ders notlarını aç →

Kredi 3 ECTS 5 Fakülte Mühendislik Fakültesi Bölüm Elektrik-Elektronik Mühendisliği Koordinatör Cem Tekin
Ön koşul (MATH 255 veya MATH 230 veya MATH 260) ve (MATH 241 veya MATH 225 veya MATH 220 veya MATH 224)

→ STARS müfredatı (resmi syllabus)

EEE 485 zor mu?

Son 19 dönemde dersin ortalaması 2,54 (1.229 öğrencinin notu, 4,00 üzerinden), yani sınıf ortalaması B- civarında. Zorluk hocaya ve şubeye göre değişir; ölçülebilir olan bu sayı. Diğer derslerle karşılaştır →

EEE 485 dersinde kaç midterm var, ağırlıkları ne?

İzlencede 1 midterm var, ağırlığı %25. Final %25. Kalan %50 dersin öteki kalemlerinde. Tam dağılım aşağıda.

EEE 485 dersinin ön koşulu var mı?

Evet. Bilkent kataloğuna göre ön koşulu: (MATH 255 veya MATH 230 veya MATH 260) ve (MATH 241 veya MATH 225 veya MATH 220 veya MATH 224).

EEE 485 bu dönem kim veriyor?

2026-2027 Güz döneminde 1 şube açık, dersi Cem Tekin veriyor. Şube saatleri ve kontenjanlar aşağıda.

EEE 485 dersinde hangi kitap okunuyor?

İzlencede önerilen kitap: The elements of statistical learning, T. Hastie, R. Tibshirani, J. Friedman, 2003, Springer. İzlence toplam 5 kaynak sayıyor.

EEE 485 kaç kredi?

3 Bilkent kredisi, 5 AKTS.

Haftalık müfredat 14 hafta

Hafta 114–20 Eyl
Machine learning için olasılık tekrarı
Probability review for machine learning and data science (random variables, random vectors, Bayes rule, independence, law of large numbers, concentration inequalities
random variableBayes rulelaw of large numbersconcentration inequality
Hafta 221–27 Eyl
Bayesian ve frequentist machine learning
Bayesian and frequentist machine learning (credible intervals, confidence intervals) and their use in data science
Bayesianfrequentistcredible intervalconfidence interval
Hafta 328 Eyl – 4 Eki
Linear regression ve ordinary least squares
Linear regression, ordinary least squares
linear regressionordinary least squares
Hafta 45–11 Eki
Ridge, lasso ve Bayesian regression
Ridge regression, lasso, Bayesian linear regression
ridge regressionlassoBayesian linear regression
Hafta 512–18 Eki
Generalized linear models
GLM
Hafta 619–25 Eki
Perceptron, neural network ve backpropagation
Perceptron, neural networks and backpropagation
perceptronneural networkbackpropagation
Hafta 726 Eki – 1 Kas
Blind signal separation
Hafta 82–8 Kas
Probabilistic clustering ve expectation maximization
Probabilistic clustering, mixture of Gaussians and expectation maximization
probabilistic clusteringmixture of Gaussiansexpectation maximization
Hafta 99–15 Kas
Feature extraction ve feature selection
Feature extraction and feature selection
feature extractionfeature selection
Hafta 1016–22 Kas
Graphical models'ta inference ve learning
Inference and learning in graphical models
graphical modelsinferencelearning
Hafta 1123–29 Kas
Naive Bayes, RBM ve contrastive divergence
Naive Bayes, Restricted Boltzmann Machines, Contrastive Divergence
Naive BayesRestricted Boltzmann Machinescontrastive divergence
Hafta 1230 Kas – 6 Ara
Deep learning (derin öğrenme)
Deep learning
deep learning
Hafta 137–13 Ara
Reinforcement learning
Hafta 1414–20 Ara
Online learning

Değerlendirme 100% · 4 adım

25%
25%
20%
30%
Midterm: Essay/written Midterm 25%
Final: Essay/written Final 25%
Quiz Problem sets + Quiz 20%
Term project Multi-phase term project 30%
en büyük tek kalem %30 · sınav ağırlığı %70 · 19 dönem ortalaması 2.54 (1229 öğrenci) nasıl hesaplanıyor
Notunu hesapla
KalemAğırlık Notun (100 üzerinden)
Midterm%25
Final%25
Problem sets + Quiz%20
Multi-phase term project%30
Bildiğin notları gir; girmediklerin hesaba katılmaz.

Ağırlıklar EEE 485 izlencesinden. Hocanın bu dönemki dağılımı farklı olabilir; bağlayıcı olan ders izlencesidir. Harf notu sınırlarını hoca belirliyor, o yüzden hedefi sen giriyorsun. İzlencede FZ şartı var, sayfanın sonundaki kutuda.

Önerilen kaynaklar 5 kitap

📖
Önerilen
The elements of statistical learning, T. Hastie, R. Tibshirani, J. Friedman, 2003, Springer
📖
Önerilen
An introduction to statistical learning, James G, Witten D, Hastie T, Tibshirani R., 2013, Springer
📖
Önerilen
Machine learning: A probabilistic perspective, Murphy, Kevin P, 2012, MIT Press
📖
Önerilen
Probabilistic graphical models: principles and techniques, Koller, Daphne, and Nir Friedman, 2009, MIT press
📖
Önerilen
Pattern Recognition and Machine Learning, Christopher M. Bishop, 2011, Springer

Bu dersi alınca · 4 öğrenme çıktısı

Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.

Ders notları

EEE 485 için ders notu hazır

15 bölüm · 234 çözümlü örnek · 304 alıştırma. Dersin izlencesi, ders kitabı ve öğrencilerin paylaştığı materyallerden derlendi. Çözümler adım adım açılıyor, ipuçları kademeli geliyor, takıldığın soruyu tek tıkla kendi yapay zekâna taşıyabiliyorsun.

Notları aç →
  1. 01Introduction and probability review for machine learning
  2. 02Bayesian and frequentist machine learning: posteriors, point estimates, credible and confidence intervals
  3. 03Linear regression and ordinary least squares
  4. 04Measuring performance: training and test error, the bias-variance tradeoff and cross-validation
  5. 05Regularized regression: ridge and lasso
  6. 06Linear regression from a Bayesian perspective: least squares, ridge and lasso as most probable coefficients, and the full posterior
  7. 07Generalized linear models: logistic regression, Newton-Raphson and IRLS, more than two classes, and Poisson regression
  8. 08Perceptron, neural networks and backpropagation: learning from mistakes, stacking neurons, and training them by gradient descent
  9. 09PCA, ICA and blind source separation: directions of largest variance, unmixing and the ICA likelihood
  10. 10Clustering: K-means, mixtures of Gaussians and the EM algorithm
  11. 11Feature selection: ranking by correlation and mutual information, mRMR, best subset and forward stepwise
  12. 12Probabilistic graphical models: directed graphs, d-separation, naive Bayes, undirected graphs and image denoising
  13. 13Restricted Boltzmann machines and deep learning
  14. 14Reinforcement learning: returns, Markov decision processes, value iteration and Q-learning
  15. 15Multi-armed bandits and online learning: regret, ε-greedy, UCB and Thompson sampling
↑ daha iyi olması için: notların / çözümlerin / sınavların varsa "+ materyal paylaş", bir sonraki güncellemede yerini alır.

Geçmiş GPA dağılımı 19 dönem · ort. 2.54

DönemDers ort.
2025-2026 Spring 2.61 1 şube · 66 öğr
2025-2026 Fall 2.78 1 şube · 70 öğr
2024-2025 Fall 2.69 1 şube · 66 öğr
2023-2024 Spring 2.43 1 şube · 70 öğr
2023-2024 Fall 2.33 1 şube · 64 öğr
2022-2023 Spring 2.50 2 şube · 103 öğr
2022-2023 Fall 2.29 1 şube · 47 öğr
2021-2022 Spring 2.48 2 şube · 86 öğr
2021-2022 Fall 2.54 1 şube · 30 öğr
2020-2021 Spring 2.66 2 şube · 92 öğr

Dersin dönem ortalaması, o dönemin bütün şubeleri birlikte. Kaynak STARS'ın ders değerlendirme raporu. Rapor yalnız kampüs ağından ya da Bilkent VPN ile açılıyor: EEE 485 raporu · Bilkent VPN bilgisi. Öğrenci anket cevaplarını defter'de tutmuyoruz. Tüm derslerin ortalamaları →

Bu dönem · 2026-2027 Güz · 1 şube · 65 kontenjan · 0 boş

haftada 3 saat ders

Haftalık ızgarada 4 saat görünüyor, kayıt sistemi dersi 3 saat yazıyor. Aradaki 1 saat yedek saat: Bilkent programlarında derse genelde bir fazla saat ayrılır ve çoğu zaman kullanılmaz. Hangisinin düşeceği dönem başlayınca belli olur.

1
Cem Tekin
Sal08:30–10:20EE-412Per13:30–15:20EE-412
0
kontenjan doldu
▾ 65 doldu · 21 gün
programıma ekle → CGPA'ya ekle kayıt tarihleri
Her dönem açılıyorSon yıllarda 10 güz ve 8 bahar döneminde açılmış. Kaçırırsan bir sonraki dönem tekrar bulabilirsin.

⚠️ FZ engelleyen şartlar

All project reports should be completed and submitted on time. No disciplinary penalty related with the course. The total points collected from the midterm and quizzes should be at least 20% of the total contribution of the midterm and quizzes.

Hocalar 1 bu dönem · 1 geçmiş

Bu dönem (2026-2027 Fall) · 1 section
Cem Tekin
Geçmişte ders veren (1 kişi)
Süleyman Serdar Kozat

Bu ders 13 programın seçmeli havuzunda.

EEE Restricted Elective Elektrik-Elektronik Mühendisliği · havuzda 6 ders Engineering Elective Bilgisayar Mühendisliği · havuzda 8 ders EEE Elective Elektrik-Elektronik Mühendisliği · havuzda 43 ders

ve 11 program daha.

Havuz listesi bölümün QME müfredatından; en küçük havuzlar önce yazılıyor, çünkü büyük "serbest seçmeli" havuzunda olmak dersi anlatmıyor. Seçmeli havuzunda olmak o dersi alabileceğin anlamına gelmez: ön koşul ve kontenjan ayrıca geçerli.

Aynı koddan diğer dersler · katalogda 75 EEE dersi · EEE nedir?

EEE 452Antenna EngineeringEEE 473Medical ImagingEEE 474Foundations of Magnetic Resonance ImagingEEE 475Medical Image Reconstruction and ProcessingEEE 486Statistical Foundations of Natural Language PrEEE 491Electrical and Electronics Engineering Design EEE 492Senior Project