| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Örüntü Tanıma | MECE 444 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Dersi tamamlayan öğrenci şunları yapabilecektir: • desen tanımada çeşitli uygulamaları formüle etmek ve tanımlamak • desen tanımaya yönelik Bayes yaklaşımını anlamak • teorik ve pratik olarak Bayes tabanlı sınıflandırıcıları ve Bayes dışı sınıflandırıcıları türetmek, oluşturmak ve kullanmak • farklı sınıflandırıcı türlerinin güçlü ve zayıf yönlerini belirleyebilmek • boyutluluğun laneti, önyargı-varyans ikilemi ve çapraz doğrulama gibi temel kavramları anlamak • farklı kümeleme tekniklerini doğrulamak ve değerlendirmek • özellik seçimi veya özellik çıkarma yoluyla çeşitli boyut azaltma yöntemlerini uygulamak • sınıflandırıcı karmaşıklığını ve düzenleme parametrelerini değerlendirmek • desen tanımanın olanaklarını ve sınırlamalarını anlamak |
| |
| 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. |
| |
Üretken Yapay Zeka Kullanımı:
Yoktur. |
| |
| 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
|
| |
| Diğer Kaynaklar: |
| Theodoridis, S. and Koutroumbas, K. Pattern Recognition. 4th Edition Academic Press 2008 9781597492720 |
| |
| 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 |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 14 | 3,00 | 42,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 0 | 0,00 | 0,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 14 | 1,00 | 14,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 1 | 10,00 | 10,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 0 | 0,00 | 0,00 |
| 6 | Ev ödevleri | 5 | 3,00 | 15,00 |
| 7 | Sınavlara Hazırlık | 0 | 0,00 | 0,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 1 | 10,00 | 10,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 1 | 25,00 | 25,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 10,00 | 10,00 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı (0-4) |
| 1 | Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi. | 4 |
| 2 | Bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 4 |
| 3 | Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | 2 |
| 4 | Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi. | 2 |
| 5 | Karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | 2 |
| 6 | Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | 2 |
| 7 | Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | 2 |
| 8 | Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi. | 0 |
| 9 | Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 0 |
| 10 | Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi. | 0 |
| 11 | Hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | 0 |
| 12 | Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | 0 |
| 13 | Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | 0 |
| 14 | Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi. | 0 |
| 15 | Girişimcilik ve yenilikçilik hakkında farkındalık. | 0 |
| 16 | Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | 0 |