AKTS - Örüntü Tanıma
Örüntü Tanıma (EE448) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| Örüntü Tanıma | EE448 | Alan Seçmeli | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| N/A |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Seçmeli Dersler |
| Dersin Seviyesi | Fen Bilimleri Yüksek Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Tartışma, Uygulama-Alıştırma. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | 1. Örüntü tanımanın, Yapay Zeka alanındaki yeri hakkında bilgi vermek 2. Özellik oluşturma ve seçme, ses/ görüntü işleme, makine öğrenme yöntemleri (gözetimli ve gözetimsiz) konularında tanışıklık kazandırma 3. Seçilecek proje ile pratik yapma yeteneği |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Örüntü tanımaya giriş, Bayes karar verme teorisi, maksimum benzerlik kestirimi, doğrusal ve doğrusal olmayan sınıflandırma, perceptron, yapay sinir ağları, destek vektör makineleri, kümeleme, proje bazlı uygulamalar |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Örüntü tanımaya giriş | Bu haftanın konularına ders kitabınızdan bakınız |
| 2 | Bayes karar kuramına dayalı sınıflandırıcılar | Geçen haftayı tekrar edin ve bu haftanın konusunu kitabınızdan okuyun |
| 3 | Bayes karar kuramına dayalı sınıflandırıcılar | Geçen haftayı tekrar edin ve bu haftanın konusuna çalışın |
| 4 | Doğrusal sınıflandırıcılar | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 5 | Doğrusal olmayan sınıflandırıcılar | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 6 | Doğrusal olmayan sınıflandırıcılar | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 7 | Sınıflandırıcı kombinasyonu | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 8 | Öznitelik seçimi | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 9 | Öznitelik oluşturma | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 10 | Öznitelik oluşturma | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 11 | Kümeleme algoritmaları, çok boyutlu ölçekleme | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 12 | Kümeleme algoritmaları, çok boyutlu ölçekleme | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 13 | Uygulamalar: İmge ve konuşma işleme | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
| 14 | Uygulamalar: İmge ve konuşma işleme | Geçen haftayı tekrar edin ve bu haftanın konusunu okuyun |
Kaynaklar
| Ders Kitabı | 1. Pattern Recognition, S.Theodoridis and K.Koutroumbas,4th Ed., Academic Press, 2009. |
|---|---|
| Diğer Kaynaklar | 2. Pattern Classification, R.O.Duda, P.E.Hart and D.G.Stork, John Wiley, 2001. |
| 3. Pattern Recognition and Machine Learning, C.M.Bishop, Springer, 2006. | |
| 4. Introduction to Pattern Recognition A Matlab Approach, S.Theodoridis, A.Pikrakis, K.Koutroumbas, D.Cavouras, Academic Press, 2010. |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | 3 | 15 |
| Sunum | - | - |
| Projeler | 1 | 20 |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 1 | 25 |
| Genel Sınav/Final Juri | - | - |
| Toplam | 5 | 60 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 55 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 45 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | X |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | İleri düzey hesaplama ve/veya bilişim bilgilerini yazılım mühendisliği problemlerini çözmede uygulama becerisi. | |||||
| 2 | Farklı teknolojiler, yazılım mimarileri ve yaşam-döngüsü yaklaşımları kullanarak çözümler geliştirmek. | |||||
| 3 | Bir yazılım sistemini, bileşenini, sürecini veya programını, modern teknikler ve yazılım mühendisliği uygulamalarına yönelik mühendislik araçlarını kullanarak, tasarlama, gerçekleştirme ve değerlendirme becerisi. | |||||
| 4 | Yazılım gereksinimlerini anlamak için, veri toplama, analiz etme ve yorumlama becerisi. | |||||
| 5 | Yazılım projeleri üzerindeki çalışmalar kapsamında ortaya çıkan problemler üzerinde etkin sözlü ve yazılı iletişim ve kritik düşünme becerileri. | |||||
| 6 | Bilim ve teknoloji alanındaki güncel gelişmeleri izlemede bilgiye erişim becerisi ve yazılım mühendisliği alanında bilimsel araştırma yapmak ve bir projeyi gerçekleştirmek. | |||||
| 7 | Yazılım Mühendisliği ile ilgili profesyonel, hukuksal, sosyal ve sorumluluklar konularında anlayış. | |||||
| 8 | Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; uluslararası standartların ve yöntemlerin bilinmesi. | |||||
| 9 | Yazılım Mühendisliği çözümlerinin, karar verme boyutunda, küresel, sosyal ve hukuki boyutları üzerindeki etkisini anlamak. | |||||
| 10 | Yazılım Mühendisliği uygulamaları için mükemmellik standartlarının geliştirilmesi, benimsenmesi ve sürekli kullanımının desteklenmesi. | |||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Teorik Ders saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | 4 | 4 | 16 |
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 14 | 3 | 42 |
| Sunum/Seminer Hazırlama | 1 | 4 | 4 |
| Projeler | |||
| Raporlar | |||
| Ödevler | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 2 | 2 | 4 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 3 | 3 |
| Toplam İş Yükü | 117 | ||