Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
CSE 5016	Örüntü Tanıma	SEÇMELİ	3	0	0	9

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ ERCAN AVŞAR

Dersi Alan Birimler

Bilgisayar Mühendisliği Tezsiz Yüksek Lisans
Bilgisayar Mühendisliği Yüksek Lisans
Bilgisayar Mühendisliği Bütünleşik Doktora
Bilgisayar Mühendisliği Doktora
Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Bu dersin amacı, sınıflandırma problemlerinin çözümünde kullanılan örüntü tanıma tekniklerinin öğretilmesidir. Çeşitli tip ve ölçekteki çok boyutlu verilerin analiziyle birlikte projeksiyon ve boyut indirgeme gibi teknikler anlatılacaktır.

Dersin Öğrenme Kazanımları

1	Temel örüntü tanıma teorilerini anlayabilme
2	Belli örüntü tanıma tekniklerinin tasarımını ve gerçeklemesini yapabilme
3	İlgili uygulamada örüntü tanıma tekniklerini uygulayabilme
4	Sınıflandırma problemlerini istatistiksel olarak analiz edebilme ve sınıflayıcı performansını kestirebilme
5	Sınıflandırma sistemlerinin otomatik eğitimi için gereken metodları anlayabilme ve analiz edebilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Giriş
2	Sınıflandırma
3	Özellik Seçimi, Veri Dönüşümü ve Boyut Azaltma
4	Yapay Sinir Ağları
5	Derin Öğrenme
6	Destek Vektör Makineleri
7	Bayes Karar Teorisi, K-En Yakın Komşu
8	Görüntü Tanıma (Görüntü İşleme, Karakter Tanıma, Yüz Tanıma, Nesne Tanıma)
9	Ses Tanıma (Sinyal İşleme, Sesten Metne, Metinden Sese)
10	Örüntü Tanıma Uygulamaları
11	Video Tabanlı Örüntü Tanıma
12	Bilgisayarla Görü
13	Denetimsiz Öğrenme
14	Proje Sunumları

Ders İçin Önerilen Kaynaklar

Ana kaynak: S. Theodoridis, K. Koutroumbas, Pattern Recognition, Academic Press, 2008, ISBN: 978-1597492720

Yardımcı Kaynaklar: C.M. Bishop, Pattern Recognition and Machine Learning (Information Science and Statistics), Springer, 2011, ISBN: 978-0387310732
G. Dougherty, Pattern Recognition and Classification: An Introduction, Springer, 2013, ISBN: 978-1461453222

Öğrenme ve Öğretme Yöntemleri

Dersler
Araştırma / Literatür Taraması
Uygulama Geliştirme
Ödevler
Sunum
Dönem Projesi

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	SUN	SUNUM
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 + SUN * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Değerlendirme, öğrencinin bir konu üzerine yapacağı literatür araştırması, hazırlayacağı proje, sunum ve raporu ile birlikte dönem boyunca verilecek ödevler ile gerçekleşecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Kod yazma bilgi ve becerisi gereklidir.
Katılım zorunludur.

Dersin Öğretim Üyesi İletişim Bilgileri

Dr. Öğr. Üyesi Ercan Avşar
Dokuz Eylül Üniversitesi
Bilgisayar Mühendisliği Bölümü
Tınaztepe Yerleşkesi 35390 Buca / İZMİR
Tel: (232) 301 74 01
E-posta: ercan.avsar@cs.deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Salı 13:30 - 14:30

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	2	28
Web'de Tarama ve Kütüphane Çalışması	1	5	5
Kitap Okuma	10	3	30
Proje Hazırlama	1	65	65
Sunum Hazırlama	1	30	30
Rapor hazırlama	1	25	25
TOPLAM İŞ YÜKÜ (saat)			225

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8	PK.9	PK.10	PK.11
ÖK.1	4	5
ÖK.2	4	3
ÖK.3	5	5	2	4	3
ÖK.4			4					1
ÖK.5			3		2	1	1	4	1	3	5

DERS ADI

DERECE PROGRAMLARI