İleri Örüntü Tanıma Teknikleri ve Uygulamaları
Bilgisayar Mühendisliği
Fen Bilimleri Enstitüsü
Doktora
| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| İleri Örüntü Tanıma Teknikleri ve Uygulamaları | BLM608 | Seçmeli | Doktora | 1 | Bahar | 8 |
Öğretim Elemanı Adı
Prof. Dr. Yaşar BECERİKLİ
Dersin Öğrenme Kazanımları
1) Bir problemin çözümü için örüntü tanıma yöntemi önerir
2) İleri/Değişik örüntü tanıma yöntemlerinin performanslarını analiz eder.
3) İleri/Değişik örüntü tanıma yöntemlerinin sonuçlarını birleştirir
4) Değişik/ileri örüntü tanıma yöntemlerininin teorik ve algoritmik olarak nasıl çalıştıklarını
kavrar
5) Bir örüntü tanıma yönteminde değişiklik yaparak yeni problemlere uyarlar.
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | |||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | ||
| Öğrenme Kazanımları | |||||||||||||
| 1 | Yüksek | Orta | Orta | Orta | Yüksek | ||||||||
| 2 | Yüksek | Orta | Orta | Orta | Yüksek | ||||||||
| 3 | Yüksek | Orta | Orta | Orta | Yüksek | ||||||||
| 4 | Yüksek | Orta | Orta | Yüksek | |||||||||
| 5 | Yüksek | Orta | Orta | Orta | Yüksek | ||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Örüntü Tanıma Makina Öğrenmesi
Dersin İçeriği
Örüntü Tanımaya Genel Bakış: Bayes Karar Teorisi/ML ve Bayes parameter Kestirimi/Lineer ve Lineer Olmayan Tanımlayıcı Fonk. Ile Sınıflandırma/Destek Vektör MAkinalar/, Algılayıcı Modelleme, Sinir Ağları, Eğiticisiz öğrenme, Kümeleme, Bulanık Sistemler ile Sınıflama ve Kümeleme, Gelişimsel Algoritmalar, Uygulamalar.
Haftalık Ders İzlencesi
1) Giriş, matematiksel altyapı tekrarı;2) Örüntü tanımanın temelleri;
3) Olasılık ve olasılık dağılımları;
4) lineer Regresyon modeller;
5) Bayes teorisine Dayalı sınıflama
6) Lineer olmayan sınıflayıcılar/
7) yapay sinir ağları ve sınıflama
8) Ara sınav/Değerlendirme
9) ara sınav
10) Karhunen Loeve Dönüşümü/SVD ayrıştırma/ICA
11) Kümeleme
12) Sezgisel öğrenmeye dayalı kümelemeler
13) Bulanık mantık
14) Bulanık kümeleme
15) uygulamalar
16) Yarıyıl sonu sınavı
Önerilen/İstenen Ders Kaynakları
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Tartışma
3) Gösteri
4) Grup Çalışması
5) Bireysel Çalışma
6) Problem Çözme
Değerlendirme Yöntemi ve Ölçütleri
Yarıyıl İçi Çalışmalarının Başarıya Oranı |
40% |
|||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
||||||||||||
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
|||||||||||
Toplam | 100% | |||||||||||
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte