Bilgisayar Mühendisliği 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	-
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Prof. Dr. Türker İNCE
Öğretim Eleman(lar)ı	Prof. Dr. Türker İNCE
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

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	alandaki temel teknik ve algoritmaları kullanabilecek ve irdeleyebilecek,
2	farklı örüntü algılama tekniklerinin avantajları ve kısıtlamaları konusunda bilgisi olabilecek,
3	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	Öğrenme Çıktısı
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 %	LO 1	LO 2	LO 3
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

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Bilgisayar Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.		-	-	-	-	-
2	Bilgisayar Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.		-	-	-	-	-
3	Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir.		-	-	-	-	-
4	Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.		-	-	-	-	-
5	Bilgisayar Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.		-	-	-	-	-
6	Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.		-	-	-	-	-
7	Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.		-	-	-	-	-
8	Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır.		-	-	-	-	-
9	Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.		-	-	-	-	-
10	Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.		-	-	-	-	-
11	Bilgisayar Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların bilgisayar mühendisliği uygulamalarına getirdiği kısıtların farkındadır.		-	-	-	-	-
12	Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.		-	-	-	-	-