| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Örüntü Tanımlama | CENG 509 | 5 | 9 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Zorunlu |
| Dersin Veriliş Biçimi | Yüz 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 Dersler | None |
| Daha Önce Alınmış Olması Önerilen Dersler | None |
| |
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): |
| |
| Hafta | Konu |
| 1 | Örüntü tanıma, makine algısı ve örüntü tanıma sistemlerine giriş. |
| 2 | Örüntü tanımada öğrenme ve uyarlama kavramlarını da içeren tasarım döngüsüne genel bakış. |
| 3 | Bayes karar teorisine giriş ve karar yüzeyleri. |
| 4 | Maksimum olabilirlik tahmininin anlaşılması ve örüntü tanımada uygulanması. |
| 5 | Exploration of nonparametric techniques for pattern recognition. |
| 6 | Doğrusal diskriminant fonksiyonlarına giriş ve bunların örüntü sınıflandırmasındaki rolü. |
| 7 | Sinir ağlarının anlaşılması ve bunların örüntü tanımadaki uygulamaları. |
| 8 | Örüntü tanımada denetimsiz öğrenme tekniklerine genel bakış. |
| 9 | Denetimsiz Bayes öğrenme yöntemlerine giriş. |
| 10 | Stokastik bağlamdan bağımsız gramerler de dahil olmak üzere sözdizimsel örüntü tanıma tekniklerinin araştırılması. |
| 11 | Örüntü tanımada ileri konular: derin öğrenme ve evrişimli sinir ağları. |
| 12 | Örüntü tanımanın bilgisayarlı görme ve doğal dil işlemede uygulanması. |
| 13 | Örüntü tanımanın çeşitli alanlardaki vaka çalışmaları ve pratik uygulamaları. |
| 14 | Ders 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: |
| Yöntem | Adet | Katkı (%) |
| Ara sınav | 1 | %30 |
| Final Sınavı | 1 | %40 |
| Proje | 2 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |