GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BMH702 | ÖRÜNTÜ TANIMAYA GİRİŞ | Seçmeli Ders Grubu | 3 | 5 | 5,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
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.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
| 1 | Temel ve gelişmiş örüntü tanıma sistemlerini tasarlayabilecektir. |
| 2 | Temel istatistiksel ve sözdizimsel örüntü tanıma yaklaşımlarını açıklayabilecektir. |
| 3 | Örüntü tanıma sistemi tasarımlarında yer alan başlıca konuları ve problemleri betimleyebilecektir. |
| 4 | Değişik örüntü tanıma tekniklerini karşılaştırabilecektir. |
| 5 | Bilgisayar araçları kullanarak örüntü tanıma tekniklerini uygulayabilecektir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin 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.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Örüntü Tanımaya Giriş, Öğrenme ve Adopsiyon | ||
| 2 | Bayes Karar Teorisi | ||
| 3 | Ayırtaç Fonksiyonlar | ||
| 4 | Parametrik Teknikler: Maksimum Olabilirlik Tahmini ve Bayes Kestirimi, Yeterli İstatistikler | ||
| 5 | Parametrik Olmayan Teknikler | ||
| 6 | Doğrusal Ayırtaç Fonksiyonlar | ||
| 7 | Metrik Olmayan Yöntemler | ||
| 8 | Metrik Olmayan Yöntemler | ||
| 9 | Algoritma-Bağımsız Otomatik Öğrenme | ||
| 10 | Algoritma-Bağımsız Otomatik Öğrenme-Sınıflandırıcılar | ||
| 11 | Denetimsiz Öğrenme ve Gruplaştırma | ||
| 12 | Denetimsiz Öğrenme ve Kümeleme | ||
| 13 | Proje Sunumları | ||
| 14 | Proje Sunumları |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2007; 2. Marsland, S. Machine Learning: An Algorithmic Perspective. CRC Press. 2009.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Quiz | 2 | 60 |
| Ev Ödevi | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Final Sınavı | 1 | 2 | 2 |
| Uygulama Sınavı | 4 | 4 | 16 |
| Tartışma | 1 | 5 | 5 |
| Gözlem | 3 | 2 | 6 |
| Proje Sunma | 3 | 4 | 12 |
| Bireysel Çalışma | 14 | 3 | 42 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 12 | 12 |
| Okuma | 5 | 2 | 10 |
| Quiz için Bireysel Çalışma | 2 | 5 | 10 |
| Toplam İş Yükü (saat) | 115 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | |
| ÖÇ 1 | 5 | 5 | 4 | ||||||||
| ÖÇ 2 | 4 | 3 | 3 | ||||||||
| ÖÇ 3 | 3 | 2 | |||||||||
| ÖÇ 4 | 2 | 3 | 3 | 2 | |||||||
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek