LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Biyomühendislik Yüksek Lisans Programı (Tezli)
EEE 502 | Ders Tanıtım Bilgileri
Dersin Adı |
Örüntü Tanıma
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
EEE 502
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
Ön-Koşul(lar) |
Yok
|
|||||
Dersin Dili |
İngilizce
|
|||||
Dersin Türü |
Seçmeli
|
|||||
Dersin Düzeyi |
Yüksek Lisans
|
|||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | - | |||||
Dersin Koordinatörü | ||||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) | - |
Dersin Amacı | Bu ders örüntü tanıma algoritmalarının temellerini ve uygulamalarını kapsamaktadır. Dersin iiçeriğinde istatistiksel karar kuramı, istatistiksel sınıflama, en büyük olabilirlik Bayes kestirimi, parametrik olmayan yöntemler, öznitelik çıkarımı, öznitelik seçimi, doğrusal sınıflayıcılar, sinir ağları, metrik olmayan yöntemler, eğiticisiz öğrenme ve öbekleme konuları bulunmaktadır. |
Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Örüntü tanıma algoritmalarının temellerini ve uygulamaları, istatistiksel karar kuramı, istatistiksel sınıflama, en büyük olabilirlik Bayes kestirimi, parametrik olmayan yöntemler, öznitelik çıkarımı, öznitelik seçimi, doğrusal sınıflayıcılar, sinir ağları, metrik olmayan yöntemler, eğiticisiz öğrenme ve öbekleme. |
|
Temel Ders | |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
Hafta | Konular | Ön Hazırlık |
1 | Örüntü Tanımaya Giriş | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 1) |
2 | Bayesci Karar Teorisi | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 2) |
3 | En büyük Olabilirlik ve Bayesci Kestirimi | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 3) |
4 | Parametrik Olmayan Teknikler | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 4) |
5 | Doğrusal Ayrışım Fonksiyonları | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 5) |
6 | Öznitelik Seçimi ve Boyut Düşürücü Teknikler | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 5) |
7 | Çok Katmanlı Yapay Sinir Ağları | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 6) |
8 | Ara sınav | |
9 | Çok Katmanlı Yapay Sinir Ağları | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 6) |
10 | Radyal Tabanlı Fonksiyon Ağları | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 6) |
11 | Stokastik Yöntemler | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 7) |
12 | Metrik Olmayan Yöntemler | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 8) |
13 | Gözetimsiz Öğrenme ve Kümeleme | Duda, Hart and Stork, Pattern Classification, Wiley,2nd ed., 2001 (Ch. 10) |
14 | Sınıf-içi Sunumlar | |
15 | Sınıf-içi Sunumlar | |
16 | Dönemin gözden geçirilmesi |
Ders Kitabı | Yukarıda belirtilen kitap ve ders yansıları. |
Önerilen Okumalar/Materyaller | İlgili Araştırma Makaleleri. |
DEĞERLENDİRME ÖLÇÜTLERİ
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | ||
Laboratuvar / Uygulama |
6
|
60
|
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev | ||
Sunum / Jüri Önünde Sunum | ||
Proje |
2
|
40
|
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav | ||
Final Sınavı | ||
Toplam |
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
8
|
100
|
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | ||
Toplam |
AKTS / İŞ YÜKÜ TABLOSU
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
3
|
48
|
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
2
|
32
|
Sınıf Dışı Ders Çalışması |
15
|
4
|
60
|
Arazi Çalışması |
0
|
||
Küçük Sınav / Stüdyo Kritiği |
0
|
||
Portfolyo |
0
|
||
Ödev |
0
|
||
Sunum / Jüri Önünde Sunum |
0
|
||
Proje |
2
|
42
|
84
|
Seminer/Çalıştay |
0
|
||
Sözlü Sınav |
0
|
||
Ara Sınavlar |
0
|
||
Final Sınavı |
0
|
||
Toplam |
224
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
1
|
2
|
3
|
4
|
5
|
||
1 | Matematik, Fen Bilimleri, Biyomühendislik konularında yeterli bilgi birikimine sahiptir; bu alanlardaki kuramsal ve uygulamalı bilgileri çeşitli Biyomühendislik problemlerini modelleme ve çözme amacıyla kullanır. |
|||||
2 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; ilgili disiplinlere ait bilgileri bir arada kullanır. |
|||||
3 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri çözer. |
|||||
4 | Doğa bilimleri ve Biyomühendislik temellerini kullanarak sistem, ekipman veya süreç tasarımı gerçekleştirir. |
|||||
5 | Biyomühendislik alanındaki yeni gelişmeleri takip ve teknolojileri takip eder ve kullanır. |
|||||
6 | Biyomühendislik disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler. |
|||||
7 | Biyomühendislik uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların profesyonel iş yaşamına getirdiği kısıtların farkındadır. |
|||||
8 | Biyomühendislik alanı ile ilgili verilerin toplanması, yorumlanması, yayımı ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. |
|||||
9 | Biyomühendislik alanı ile ilgili kıstaslara uygun, özgün bir tez/dönem projesi hazırlar. |
|||||
10 | Bir yabancı dili kullanarak Biyomühendislik alanı ile ilgili bilgileri takip eder ve akademik ortamlarda tartışmalara katılır. |
|||||
11 | Edindiği bilgi, beceri ve yetkinlikleri evrensel ve toplumsal amaçları doğrultusunda geliştirir. |
|||||
12 | Biyomühendislik alanında bölgesel ve küresel konuları/sorunları tanımlar, kanıtlara ve araştırmalara dayalı çözüm önerileri geliştirir. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest