Fen Bilimleri Enstitüsü · Bilgisayar Bilimleri ve Mühendisliği (%30 İngilizce) · Doktora
AKTS: 7.5 T+U+L: 3+0+0 Bölüm Seçmeli
Koordinatör: Dr. Öğr. Üyesi Yahya ŞİRİN
Dersin Amacı
Bu dersin odak noktası örüntü tanıma tekniklerinin teori ve uygulanmaları üzerinedir. Kapsanan konular arasında, makine ile örüntü sınıflandırılması, öznitelik çıkarma, nesne tanıma, Bayes karar teorisi, parametrik ve parametrik olmayan örüntü tanıma, denetimli ve denetimsiz örüntü tanıma konuları bulunmakta ve bu konulara genel bir bakış sunulmaktadır.
Ders İçeriği
Öğrenme ve adopsiyon, Bayes karar teorisi, ayırıcı fonksiyonlar, parametrik teknikler, maksimum olabilirlik tahmini, Bayes tahmini, yeterli istatistik, parametrik olmayan teknikler, doğrusal ayırtaç fonksiyonlar, algoritma bağımsız otomatik öğrenme, sınıflandırıcılar, denetimsiz öğrenme, gruplaştırma.
Dersin Öğrenme Çıktıları
- Temel ve gelişmiş örüntü tanıma sistemlerini tasarlayabilecektir.
- Temel istatistiksel ve sözdizimsel örüntü tanıma yaklaşımlarını açıklayabilecektir.
- Örüntü tanıma sistemi tasarımlarında yer alan başlıca konuları ve problemleri betimleyebilecektir.
- Değişik örüntü tanıma tekniklerini karşılaştırabilecektir.
- Bilgisayar araçları kullanarak örüntü tanıma tekniklerini uygulanabilecektir.
Temel Alan Dağılımı
(22) Beşeri Bilimler%5 (46) Matematik ve İstatistik%30 (48) Bilgisayar%60 (52) Mühendislik%5
Öğretim Yöntem ve Teknikleri
AnlatımSoru-CevapTartışmaAlıştırma ve UygulamaGösterimGösterip YaptırmaGrup ÇalışmasıBeyin FırtınasıÖrnek OlayBireysel ÇalışmaProblem ÇözmeProje Temelli Öğrenme (Saha çalışması dâhil)
Ölçme ve Değerlendirme
ÖdevPerformans Görevi (Uygulama / Laboratuvar / Atölye / Arazi Çalışması / Seminer / Sunum / Bitirme Çalışması / Tez)Proje / TasarımSınav (Yazılı Sınav / Test: Doğru-Yanlış Testi, Çoktan Seçmeli Testi, Kısa Cevaplı Test, Eşleştirmeli Test)Sözlü Sınav
AKTS / İş Yükü
| Etkinlik | Sayı | Süre (saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi (Sınav Haftası Dahil) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi | 16 | 3 | 48 |
| Ara Sınav | 1 | 1 | 1 |
| Kısa Sınav | 4 | 4 | 16 |
| Ödev | 2 | 4 | 8 |
| Uygulama | 1 | 3 | 3 |
| Final | 1 | 1 | 1 |
Ders Akışı
| Hafta | Konu | Ön Hazırlık |
|---|---|---|
| 1 | Örüntü Tanıma Genel Bakış | |
| 2 | Bayes Karar Teorisi | |
| 3 | Parametrik Modeller | |
| 4 | Yapısal ve Sözdizimsel Model Tanıma | |
| 5 | LDA, kNN, SVM | |
| 6 | SVM, BoF algoritmaları | |
| 7 | Yapay Sinir Ağları sistemleri | |
| 8 | Sistemlerin Performans Değerlendirmesi | |
| 9 | Proje sunumları | |
| 10 | Proje sunumları | |
| 11 | Proje sunumları | |
| 12 | Proje sunumları | |
| 13 | Proje sunumları | |
| 14 | Proje sunumları | |
| 15 | Proje sunumları | |
| 16 | Proje sunumları |