PROGRAMI
DERS TANITIM VE UYGULAMA BİLGİLERİ

Ders AdıKoduVerildiği YılVerildiği YarıyılSüresi (T+U)Yerel KredisiAKTS Kredisi
Örüntü TanımlamaCENG 509593 + 037,50
 
Ders Bilgileri
Dersin Öğretim Diliİngilizce
Dersin SeviyesiYüksek Lisans
Dersin TürüZorunlu
Dersin Veriliş BiçimiYüz Yüze
 
Dersin Öğrenme Kazanımları:

Bu dersi başarı ile tamamlayan öğrenciler:
1. Farklı desen sınıflandırması, yapısal desen tanıma ve desen sınıflandırıcı kombinasyon tekniklerini anlamak ve karşılaştırmak
2. Örüntü tanıma performans değerlendirme yöntemlerini uygulamak ve araştırma literatüründe yapılan tekniklerin karşılaştırmak
3. Örüntü tanıma tekniklerini gerçek hayat problemelrine uygulamak
4. Örüntü tanıma algoritmalarını uygulamak
 
Dersin Önkoşulları ve Birlikte Alınması Gereken DerslerNone
Daha Önce Alınmış Olması Önerilen DerslerNone
 
Dersin Tanımı:

Bu ders Örüntü/desen Tanıma ve yapısal kalıp tanıma kavramlarını tanıtmayı amaçlamaktadır. Konular arasında Makine Algısı, Örüntü Tanıma Sistemleri, Tasarım Döngüsü, Öğrenme ve Adaptasyon, Bayes Karar Teorisi, Karar Yüzeyleri, Maksimum Olabilirlik Tahminleri, Parametrik Olmayan Teknikler, Doğrusal Ayırımcı Fonksiyonlar, Yapay Sinir Ağları, Denetimsiz Öğrenme, Denetimsiz Bayes Öğrenme ve stokastik bağlamsız gramer gibi sözdizimsel örüntü tanıma teknikleri yer almaktadır.
 
Dersin İçeriği (Haftalık Konu Dağılımı):
 
HaftaKonu
1Örüntü tanıma, makine algısı ve örüntü tanıma sistemlerine giriş.
2Örüntü tanımada öğrenme ve uyarlama kavramlarını da içeren tasarım döngüsüne genel bakış.
3Bayes karar teorisine giriş ve karar yüzeyleri.
4Maksimum olabilirlik tahmininin anlaşılması ve örüntü tanımada uygulanması.
5Exploration of nonparametric techniques for pattern recognition.
6Doğrusal diskriminant fonksiyonlarına giriş ve bunların örüntü sınıflandırmasındaki rolü.
7Sinir ağlarının anlaşılması ve bunların örüntü tanımadaki uygulamaları.
8Örüntü tanımada denetimsiz öğrenme tekniklerine genel bakış.
9Denetimsiz Bayes öğrenme yöntemlerine giriş.
10Stokastik bağlamdan bağımsız gramerler de dahil olmak üzere sözdizimsel örüntü tanıma tekniklerinin araştırılması.
11Örüntü tanımada ileri konular: derin öğrenme ve evrişimli sinir ağları.
12Örüntü tanımanın bilgisayarlı görme ve doğal dil işlemede uygulanması.
13Örüntü tanımanın çeşitli alanlardaki vaka çalışmaları ve pratik uygulamaları.
14Ders kavramlarının, öğrenci sunumlarının ve son değerlendirmenin gözden geçirilmesi ve sentezi.
 
Kaynaklar:
Pattern Classification (2nd Edition), R. O. Duda, P. E. Hart, D. G. Stork, Wiley. The Elements of Statistical Learning, by T. Hastie et al., Springer-Verlag, 2001.
 
Diğer Kaynaklar:
Yok
 
Öğretim Yöntem ve Teknikleri:
Haftalık 3 saat teori
 
Değerlendirme Sistemi:
YöntemAdetKatkı (%)
Ara sınav1%30
Final Sınavı1%40
Proje2%30
 
Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu?
Gerektirmiyor