Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

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 (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖZLEM ÖZTÜRK

Dersi Alan Birimler

Bilgisayar Mühendisliği (İngilizce)

Dersin Amacı

Bu dersin amacı bir bilgisayarın örneklerden gürültülü veri setleri içindeki modelleri tanıyabilmesini sağlamaktır.

Dersin Öğrenme Kazanımları

1	Ne zaman, nerede ve nasıl örüntü tanıma yapabileceğini belirler.
2	Örüntü tanıma problemlerine Bayesian Karar Teoremi uygulayabilir.
3	Parametrik kestirim yaparak sınıflandırma yapabilir.
4	Parzen-pencereleri ve K-en yakın komşuluk gibi parametrik olmayan yöntemler kullanarak örüntü tanıma gerçekleştirebilir.
5	Çeşitli örüntü tanıma problemlerinde doğrusal ayırdedici fonksiyonlar uygulayabilir.
6	Çok katmanlı sinir ağlarının prensiplerini bilir ve çeşitli problemlerde kullanır.
7	Denetimsiz öğrenme yöntemlerinden KOrtalamalar yöntemiyle kümeleme yapar.

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	Soru Çözümü
9	Mesafe Tabanlı Yöntemler, En Yakın Komşuluk Sınıflayıcısı
10	Doğrusal Ayrıştırıcı Fonksiyonlar
11	Unsupervised Öğrenme
12	Kümeleme
13	Öğrenci Sunumları
14	Soru Çözümü

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

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

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

Dönem içinde belirlenecektir.

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/ÖK	PK.1	PK.2	PK.3	PK.4	PK.6
ÖK.1	3		3		4
ÖK.2	4	4	3
ÖK.3	4		3	4	4
ÖK.4	4		3	4
ÖK.5	4	4	3		4
ÖK.6	4	4	3
ÖK.7	4		3	4

DERS ADI

DERECE PROGRAMLARI