DERS ADI

: ÖRÜNTÜ TANIMAYA GİRİŞ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CME 4410 ÖRÜNTÜ TANIMAYA GİRİŞ SEÇMELİ 2 2 0 6

Dersi Veren Birim

Bilgisayar Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

ÖĞRETİM GÖREVLİSİ ÖZLEM ÖZTÜRK

Dersi Alan Birimler

Bilgisayar Mühendisliği

Dersin Amacı

Bu dersin amacı, gürültülü gerçek dünya örneklerinden bilgisayar teknolojisi kullanarak veri setlerindeki örüntülerin tanınmasını sağlamaktır.

Dersin Öğrenme Kazanımları

1   Örüntü tanımanın ne zaman, nerede ve nasıl uygulanabileceğini tanımlayabilme
2   Bayesci Karar Kuramını örüntü tanıma problemlerinde uygulayabilir
3   Parametre kestirimi yöntemiyle sınıflandırma yapabilir
4   Parzen Penceresi ve En Yakın K Komşuluk gibi parametrik olmayan yöntemlerle örüntü tanıma gerçekleştirebilir
5   Çeşitli örüntü tanıma problemlerinde Doğrusal Ayırtaç Fonksiyonları kullanabilir
6   Çok Katmanlı Sinir Ağlarının işleyişini bilir ve çeşitli problemlerde kullanabilir
7   K-means Öğreticisiz Öğrenme yöntemiyle kümele gerçekleştirebilir

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Örüntü Tanımaya Giriş
2 Olasılık Teorisinin Tekrarı
3 Bayes Parametre Kestirimi
4 Normal Yoğunluk ve Ayrıştırıcı Fonksiyonlar
5 En Yakın Benzerlik ve Bayes Parametre Kestirimi
6 Fisher Doğrusal Ayrıştırıcı (Discriminant), Beklenti Eniyileme
7 Parametrik Olmayan Yöntemler
8 Sınava Yönelik Çalışma, ARASINAV
9 Mesafe Tabanlı Yöntemler, En Yakın Komşuluk Sınıflayıcısı
10 Doğrusal Ayrıştırıcı Fonksiyonlar
11 Unsupervised Öğrenme
12 Kümeleme
13 Öğrenci Sunumları
14 Sınava Yönelik Çalışma

Ders İçin Önerilen Kaynaklar

Ana Kaynak: Duda R. O., Hart P. E., Stork D. G., (2001), Pattern Classification, John Wiley and Sons.
Yardımcı Kaynaklar: C. M. Bishop, (2006), Pattern Recognition and Machine Learning, Springer.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, problem çözümü, sunum, dönem ödevi, laboratuvar uygulamaları

Değerlendirme Yöntemleri

Başarılı / Başarısız


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Tüm öğrenme çıktıları vize ve final sınavıyla değerlendirilecektir.
Laboratuvar uygulamalar ve dönem projesi öğrenme çıktılarının gerçek problemlerle değerlendirilmesine olanak sağlayacaktır.




Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Özlem Öztürk
Bilgisayar Mühendisliği Bölümü
Dokuz Eylül Üniversitesi
Tınaztepe Kampüsü,
Kaynaklar-Buca
İzmir
ozlem.ozturk@cs.deu.edu.tr
+90 232 3017417

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Salı: 13:00-14:30
Çarş: 13:00-14:30
Cuma: 08:30-10:00

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Uygulama 14 2 28
Ders Anlatımı 14 2 28
Vize Sınavına Hazırlık 1 4 4
Final Sınavına Hazırlık 1 6 6
Sunum Hazırlama 1 22 22
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Laboratuvar'a Hazırlık 5 4 20
Vize Sınavı 1 1 1
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 139

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.154
ÖK.254
ÖK.3544
ÖK.44444
ÖK.5
ÖK.6
ÖK.7