GERİ DÖN

Ders Öğretim Planı


Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS
EEMDR612 ÖRÜNTÜ TANIMA Seçmeli Ders Grubu 1 2 5,00

Doktora



Bu ders öğrencilere makine öğrenmesini/örüntü tanımada kullanılan yöntemleri matematiksel olarak daha derin bir şekilde öğretecektir. Öğrenciler kendi yazacakları programlarla ve araştırma ile pratik ve teorik tecrübe kazanacaklardır.


Doç. Dr. Muhammet Emin ŞAHİN


1 Bir problemin çözümü için örüntü tanıma yöntemi önerebilme
2 Değişik örüntü tanıma yöntemlerinin performanslarını analiz edebilme
3 Değişik örüntü tanıma yöntemlerinin sonuçlarını birleştirebilme
4 Değişik örüntü tanıma yöntemlerinin teorik ve algoritmik olarak nasıl çalıştıklarını anlayabilme
5 Değişik örüntü tanıma yöntemlerini öğrenebilme

Birinci Öğretim


Yok


Yok


Giriş, matematiksel altyapı tekrarı; Örüntü tanımanın temelleri; Olasılık dağılımları; Regresyon için lineer modeller; Sınıflandırma için lineer modeller; Yapay Sinir Ağları; Çekirdek Yöntemleri; Spars Çekirdek Yöntemleri; Çizgesel Modeller; Karışım modelleri ve EM; Sürekli Bağımlı Değişkenler; Modellerin Birleştirilmesi; Sıralı veri; Yaklaşık olarak çıkarsama; Örnekleme yöntemleri


Hafta Konular (Teorik) Öğretim Yöntem ve Teknikleri Ön Hazırlık
1 Giriş, matematiksel altyapı tekrarı; Teorik ve Problem Çözme yok
2 Örüntü tanımanın temelleri; Teorik ve Problem Çözme yok
3 Olasılık dağılımları; Teorik ve Problem Çözme yok
4 Olasılık dağılımları; Teorik ve Problem Çözme yok
5 Sınıflandırma için lineer modeller; Teorik ve Problem Çözme yok
6 Yapay Sinir Ağları; Teorik ve Problem Çözme yok
7 Çekirdek Yöntemleri; Teorik ve Problem Çözme yok
8 Çizgesel Modeller; Teorik ve Problem Çözme yok
9 Sürekli Bağımlı Değişkenler; Teorik ve Problem Çözme yok
10 Proje Sunumları Teorik ve Problem Çözme yok
11 Proje Sunumları Teorik ve Problem Çözme yok
12 Proje Sunumları Teorik ve Problem Çözme yok
13 Proje Sunumları Teorik ve Problem Çözme yok
14 Proje Sunumları Teorik ve Problem Çözme yok

1. Bishop, C., 2006. Pattern Recognition and Machine Learning, Springer. 2. Alpaydin, E. , 2004 .Introduction to Machine Learning (Adaptive Computation and Machine Learning), The MIT Press. 3. Duda, O. R., Hart, E. R., Stork, D. G., 2000. Pattern Classification, 2nd Edition, Wiley.



Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 40
Quiz 2 60
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Yok


Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Final Sınavı 1 1 1
Derse Katılım 14 3 42
Uygulama/Pratik 4 6 24
Bireysel Çalışma 3 6 18
Final Sınavı içiin Bireysel Çalışma 2 4 8
Okuma 3 6 18
Quiz için Bireysel Çalışma 2 8 16
Toplam İş Yükü (saat) 127

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7 PÇ 8 PÇ 9 PÇ 10
ÖÇ 1 2
ÖÇ 2 4 2
ÖÇ 3 2
ÖÇ 4 1
ÖÇ 5 3 3
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek