| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Örüntü Tanıma | MECE 544 | 5 | 11 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. İlgili disipline ait matematik, fen bilimleri ve mühendislik konularında yeterli bilgi; bu alanlardaki teorik ve uygulamalı bilgileri karmaşık mühendislik problemlerinde kullanma becerisi. |
| 2. Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaca uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. |
| 3. Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlamalar ve koşullar altında istenen sonucu karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulayabilme becerisi. |
| 4. Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları tasarlama, seçme ve kullanma becerisi; Bilgi teknolojilerini etkin bir şekilde kullanma becerisi. |
| 5. Karmaşık mühendislik problemlerini araştırmak veya belirli araştırma sorularını disipline etmek için deneyler tasarlama ve yürütme, veri toplama, sonuçları analiz etme ve yorumlama becerisi. |
| 6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma yeteneği. |
| 7. İngilizce olarak hem sözlü hem de yazılı olarak etkili iletişim kurabilme; en az bir yabancı dil bilgisi; Etkili rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkili sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. |
| 8. Yaşam boyu öğrenme ihtiyacının tanınması; Bilgiye ulaşabilme, bilim ve teknolojideki gelişmeleri takip edebilme ve kendini geliştirmeye devam edebilme becerisi |
| 9. Etik ilkelere ve mesleki ve etik sorumluluğa uygun davranma bilinci; Mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. |
| 10. Proje yönetimi, risk yönetimi, değişim yönetimi gibi iş hayatı uygulamaları hakkında bilgi; girişimcilik ve yenilikçilik konusunda farkındalık; Sürdürülebilir kalkınma hakkında bilgi. |
| 11. Mühendislik uygulamalarının sağlık, çevre ve güvenlik üzerindeki küresel ve toplumsal etkileri ile yüzyılın mühendislik alanına yansıyan güncel sorunları hakkında bilgi; Mühendislik çözümlerinin hukuki sonuçları konusunda farkındalık. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | MECE311 |
| |
Dersin Tanımı:
Bu dersin amacı makine öğrenmesi tekniklerine dayalı örüntü tanımaya yönelik temel kavramları, teorileri ve algoritmaları tanıtmaktır. Bu ders örüntü tanımanın metodolojilerini, teknolojilerini ve algoritmalarını kapsar. Bayes Karar Teorisi, Tahmin Teorisi, Doğrusal Ayrım Fonksiyonları, Destek Vektör Makineleri, Karar Ağaçları, Sinir Ağları ve Kümeleme Algoritmaları gibi konular sunulacaktır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Örüntü Tanımaya Giriş, Özellik Tespiti, Sınıflandırma |
| 2 | Olasılık Teorisi, Koşullu Olasılık ve Bayes Kuralının Gözden Geçirilmesi |
| 3 | Karar Teorisi, ROC Eğrileri, Olabilirlik Oranı Testi |
| 4 | Doğrusal ve Karesel Ayırıcılar, Fisher Ayırıcı |
| 5 | Yeterli İstatistik, Eksik veya Gürültülü Özelliklerle Başa Çıkma |
| 6 | Özvektör ve Çok Doğrusal Analiz |
| 7 | Eğitim Yöntemleri, Maksimum Olabilirlik ve Bayesian Parametre Tahmini |
| 8 | Doğrusal Diskriminant/Perceptron Öğrenimi, Gradyan İnişe Göre Optimizasyon |
| 9 | Doğrusal Diskriminant/Perceptron Öğrenimi, Gradyan İnişe Göre Optimizasyon |
| 10 | K-En Yakın Komşu Sınıflandırması |
| 11 | Detekçi Vektör Makineleri |
| 12 | Mixture Modeling, Expectation-Maximization |
| 13 | Denetimsiz Öğrenme, Kümeleme, Vektör Niceleme, K-araçları |
| 14 | Denetimsiz Öğrenme, Kümeleme, Vektör Niceleme, K-araçları |
| |
| Kaynaklar: |
| 1- Duda, R.O., Hart, P.E., and Stork, D.G. Pattern Classification.. 2nd Edition. Wiley-Interscience 2001 0471056693
2- Bishop, C. M. Pattern Recognition and Machine Learning Springer 2007 978-0-387-31073-2
3- Theodoridis, S. and Koutroumbas, K. Pattern Recognition. 4th Edition Academic Press 2008 9781597492720
|
| |
| Diğer Kaynaklar: |
| |
| |
| Öğretim Yöntem ve Teknikleri: |
| - Haftada 3 ders saati
- Dersin teorik kısmına eşlik edecek 1 tasarım projesi |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara sınav | 1 | %25 |
| Proje | 1 | %30 |
| Ödev | 4 | %10 |
| Final Sınavı | 1 | %35 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |