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 Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Tartışma, Uygulama-Alıştırma.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
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;
  • Örüntü tanımadaki çeşitli uygulamaları formüle etme ve tanımlama yeteneği
  • Örüntü tanımada Bayes yaklaşımının kullanımını anlamak
  • Teorik ve pratik olarak Bayes tabanlı olan ve olmayan sınıflandırıcıları tasarlamak ve kullanabilmek
  • Farklı sınıflandırıcı çeşitlerinin kuvvetli ve zayıf noktalarını tanımlayabilmek
  • Farklı kümeleme tekniklerini doğrulayabilmek ve kullanabilmek
  • Öznitelik seçme veya çıkartma sırasında boyut azaltma yöntemlerini uygulayabilmek
  • Örüntü tanıma algoritmalarını geliştirme ve test etmede bilgisayar araçlarını (Matlab gibi) kullanabilmek
  • Bir dönem projesini tamamlayabilmek
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 Matematik, fen bilimleri ve Elektrik-Elektronik Mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. X
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre, ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerirler.) X
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
7 Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. X
8 Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. X
9 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. X
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. X
11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. X

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam 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