DERS ADI

: ÖRÜNTÜ TANIMA

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
EED 4010 ÖRÜNTÜ TANIMA SEÇMELİ 3 2 0 6

Dersi Veren Birim

Elektrik - Elektronik Mühendisliği (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. HATİCE DOĞAN

Dersi Alan Birimler

Elektrik - Elektronik Mühendisliği (İngilizce)

Dersin Amacı

Bu ders örüntü tanıma tekniklerinin temellerini ve uygulama alanlarını tanıtmayı amaçlamaktadır.

Dersin Öğrenme Kazanımları

1   Örüntü tanımanın esaslarını tanımlayabilmek
2   Değişik tipte veri için eğiticili ve eğiticisiz öğrenme tekniklerini uygulayabilmek ve öğrenme algoritmalarının çıktılarını değerlendirebilmek
3   Analiz edilecek ham veriden öznitelik çıkarabilmek
4   Örüntü tanıma tekniklerinin uygulamasında karşılaşılabilecek temel problemleri tanımlayabilmek
5   Örüntü tanıma sistemlerinin tasarım ve benzetiminde MATLABi kullanabilmektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

EED 3005 - OLASILIK VE RASGELE İŞARET PRENSİPLERİ

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Örüntü tanımaya giriş
2 Olasılık ve doğrusal cebir
3 Bayes Karar Teorisi-I
4 Bayes Karar Teorisi-II
5 Doğrusal ayırıcılar-I
6 Doğrusal ayırıcılar-II
7 Parametrik Kestirim
8 Eğiticili öğrenme yöntemleri
9 Eğiticisiz öğrenme yöntemleri
10 Pekiştirmeli öğrenme yöntemleri
11 MATLAB ile örüntü tanıma
12 Temsil ve sınıflandırma için öznitelik çıkarımı
13 Öznitelik seçme yötemleri
14 Öğrenci ödev değerlendirmeleri

Ders İçin Önerilen Kaynaklar

Pattern Classification 2nd ed., R.O.Duda, P.E. Hart, D.G.Stork, John Wiley& Sons, 2001
Introduction to Statistical Pattern Recognition, Keinosuke Fukunaga, Academic Press 1990.
Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas, Academic Press, 1998.
Pattern Recognition: Statistical, Structural and Neural Approaches by Robert J. Schalkoff, John Wiley & Sons, 1991.

Öğrenme ve Öğretme Yöntemleri

Ders içeriği sunumlar aracılığıyla verilecek, ayrıca içeriği destekleyen uygulama saatleri yapılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Vize
2 LAB Laboratuvar
3 FN Final
4 BNS BNS VZ * 0.30 + LAB * 0.20 + FN * 0.50
5 BUT Bütünleme Notu
6 BBN Bütünleme Sonu Başarı Notu VZ * 0.30 + LAB * 0.20 + BUT * 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Öğrenme çıktıları sınavlar ve ödevler aracılığıyla değerlendirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Uygulama 14 2 28
Vize Sınavına Hazırlık 1 6 6
Final Sınavına Hazırlık 1 10 10
Laboratuvar'a Hazırlık 14 2 28
Haftalık Ders öncesi/sonrası hazırlıklar 14 3 42
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 160

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13
ÖK.15
ÖK.25422
ÖK.3543
ÖK.435
ÖK.54453