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 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;
  • alandaki temel teknik ve algoritmaları kullanabilecek ve irdeleyebilecek,
  • farklı örüntü algılama tekniklerinin avantajları ve kısıtlamaları konusunda bilgisi olabilecek,
  • örüntü algılama tekniklerinin potansiyel kullanım alanlarını değerlendirebilecek,
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.

 



Dersin Kategorisi

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
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Ödev
Sunum / Jüri Önünde Sunum
1
20
Proje
1
40
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
Final Sınavı
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
40
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
Sınıf Dışı Ders Çalışması
15
4
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Ödev
Sunum / Jüri Önünde Sunum
1
30
Proje
1
45
Seminer/Çalıştay
Sözlü Sınav
Ara Sınavlar
Final Sınavı
    Toplam
183

 

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