|
| Ders Bilgileri |
|
| Dersin Adı |
: |
Statistical Learning Methods and Pattern Recognition |
|
| Dersin Kodu |
: |
EE-639 |
|
| Dersin Türü |
: |
Seçmeli |
|
| Dersin Aşaması |
: |
İkinci Aşama (Yüksek Lisans) |
|
| Dersin Yılı |
: |
1 |
|
| Dersin Dönemi |
: |
Güz (16 Hafta) |
|
| Dersin AKTS Kredisi |
: |
6 |
|
| Eğitici(ler)nin Adı |
: |
Dr.Öğr. ÜyesiDr. TURGAY İBRİKÇİ
|
|
| Dersin Öğrenme Kazanımları |
: |
Öğrencilere Örüntü Tanıma, yapay zeka ve yumuşak hesaplama teknikleri hiyerarşisinde bir anlayış aşılamak
Kümeleme teknikleri (temel aglomeratif, bulanık, grafik teorisi, vb), çok değişkenli analiz yaklaşımları (PCA, MDS, LDA, vb), görüntü analizi (kenar algılama, vb) gibi çeşitli denetimsiz öğrenme algoritmaları uzmanlık geliştirmesi, ve özellik seçimine vakıf olması
Keşif veri analizi bu tekniklerini uygulama yeteneğini öğrencilere sağlaması.
|
|
| Dersin Veriliş Şekli |
: |
Örgün (Yüz Yüze) |
|
| Dersin Önkoşulları |
: |
Yok |
|
| Ders Hakkında Önerilen Diğer Hususlar |
: |
Yok |
|
| Dersin Amacı |
: |
İstatiksel Öğrenme modellerinin Örüntü tanıma problemlerine uygulanabilmesi |
|
| Dersin İçeriği |
: |
Bu ders örüntü tanıma (PR), yapay sinir ağları (YSA), ve makine öğrenme (ML) birkaç konuları kapsamaktadır. Birçok diğerleri arasında geniş görüntü analizi uygulamaları, hedef tespiti, optik karakter tanıma, DNA dizi eşleştirmeleri, protein yapısı eşleştirme, veri madenciliği, ağ saldırı tespit, motor sorun giderme gibi konuları kapsamaktadır. |
|
| Dersin Dili |
: |
İngilizce |
|
| Dersin Yeri |
: |
Derslik |
|
|
Ders Planı |
| Hafta | Konu | Öğrencinin Ön Hazırlığı | Öğrenme Aktiviteleri ve Öğretme Yöntemleri |
|
1 |
Giriş, Örüntü tanıma tanıtımı |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
2 |
Denetimli vs denetimsiz öğrenme teknikleri genel bakış |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
3 |
Kümeleme genel bakış (kategoriler, yakınlık önlemler, vb) |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
4 |
Sıralı kümeleme yaklaşımları |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
5 |
Hiyerarşik kümeleme yaklaşımları |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
6 |
Maliyet Fonksiyonun optimizasyonda kümeleme yaklaşımlar . |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
7 |
Olasılık kümeleme yaklaşımları |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
8 |
Ara Sınav |
Önceki konuları kapsar. |
Arasınav |
|
9 |
Küme geçerlilik ölçümleri |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
10 |
Çok değişkenli analiz teknikleri |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
11 |
Temel Bileşenler Analizi |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
12 |
Çok boyutlu ölçekleme |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
13 |
Doğrusal Diskriminant Analizi |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
14 |
Görüntü analizi teknikleri |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
15 |
Özellik seçimi ve üretimi |
Konu ile ilgili bölümlerin okunması |
Sunum |
|
16/17 |
Final Sınavı |
Bütün konuların çalışılması |
Final Sınavı |
|
|
|
Önerilen Kaynak ve Okumalar |
| Kaynak Türü | Kaynak Adı |
| Ders Notu ve Kitaplar |
 Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas , Academic Press; 3 edition (March 10, 2006)
|
| |
| Diğer Kaynaklar |
Internet Kaynakları
|
|
|
|
Değerlendirme (Sınav) Yöntemleri ve Kriterleri |
|
Yarıyıl/Yıl İçi Değerlendirmeleri |
Sayısı |
Katkı Yüzdesi |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
20 |
|
Ödev/Proje/Diğer |
2 |
80 |
|
Toplam |
100 |
|
Yarıyıl/Yıl İçi Değerlendirmelerinin Başarıya Katkısı |
40 |
| |
|
Yarıyıl/Yıl Sonu Değerlendirmesi
|
100 |
|
Yarıyıl/Yıl Sonu Değerlendirmesinin Başarıya Katkısı
|
60 |
|
Toplam |
100 |
|
|
| Dersin Temel Öğrenme Kazanımlarına Katkısı |
| No | Temel Öğrenme Kazanımı | Katkısı* |
|
1 |
Uygun bir dil ve tarz ile insanlarla iletişim kurabilme |
3 |
|
2 |
Elektrik-elektronik mühendisliğinin temellerini oluşturan dalların en az birinde, bilgi düzeyini lisans düzeyinin ötesine çıkararak uzmanlaşabilme. |
4 |
|
3 |
Uzmanlaştığı alanın içerdiği tüm konuların birlikte oluşturduğu bütünlüğü kavrayabilme. |
4 |
|
4 |
Uzmanlaştığı alandaki mevcut bilimsel literatüre hakim olabilme ve takip edebilme |
4 |
|
5 |
Alanının, ilişkili olduğu diğer dallarla olan disiplinlerarası etkileşimini kavrayabilme |
4 |
|
6 |
Kuramsal veya deneysel çalışma yapma becerisine sahip olabilme |
5 |
|
7 |
Araştırma sonucunda edinilen bilgileri derleyerek bütünlüklü bir bilimsel metin oluşturabilme |
5 |
|
8 |
Tez konusu üzerinde, danışmanının belirlediği çerçeve içinde, konunun gerektirdiği mantıksal bütünlüğe uygun olarak, programlı bir şekilde çalışabilme. |
4 |
|
9 |
Bilimsel veri tabanlarında literatür araştırması yapabilme; özelde, veri tabanlarını uygun ve doğru şekilde tarama ve listelenen unsurları değerlendirme, kategorize edebilme. |
3 |
|
10 |
Uzmanlık alanında İngilizce olarak yazılmış bir bilimsel metni rahatlıkla okuyup anlayacak düzeyde İngilizce bilme |
1 |
|
11 |
Uzmanlıştığı konudaki bilgileri, bir sunum formatında derleyip, anlaşılır ve etkin bir şekilde sunabilme. |
4 |
|
12 |
Bildiği bir programlama dilinde genelde belirli bir amaca yönelik, özelde uzmanlık alanı ile ilgili olan bir bilgisayar programı yazabilme |
4 |
|
13 |
Mevcut araştırma deneyimine dayanarak yeni konularda da araştırma yapabilme |
4 |
|
14 |
Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda yol gösterici olabilme, insiyatif alabilme |
3 |
|
15 |
Uzmanlık alanı ile ilgili konularda proje, politika, süreç üretebilme ve bu öğeleri değerlendirme |
3 |
| * Katkı düzeyleri 0 (yok) ve 5 (en yüksek) arasında ifade edilmiştir. |
|
|
| Öğrenci İş Yükü - AKTS |
| Çalışmalar | Sayısı | Süresi (Saat) | Toplam İş Yükü (Saat) |
| Ders ile İlgili Çalışmalar |
|
Ders (Sınav haftaları dahil değildir) |
14 |
3 |
42 |
|
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) |
14 |
4 |
56 |
| Değerlendirmeler ile İlgili Çalışmalar |
|
Ödev, Proje, Diğer |
2 |
10 |
20 |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
10 |
10 |
|
Yarıyıl/Yıl Sonu/Final Sınavı |
1 |
15 |
15 |
|
Toplam İş Yükü: | 143 |
| Toplam İş Yükü / 25 (s): | 5.72 |
| Dersin AKTS Kredisi: | 6 |
|
|
|