Örüntü Tanıma (EE 448) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Örüntü Tanıma EE 448 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin Türü Dersin Seviyesi Ders Verilme Şekli Dersin Öğrenme ve Öğretme Teknikleri İngilizce Teknik Seçmeli Dersler Lisans Yüz Yüze Anlatım, Tartışma, Uygulama-Alıştırma Dersin Koordinatörü Dersin Öğretmen(ler)i Yrd. Doç. Dr. Baran Uslu
Dersin Asistanı Dersin Amacı Dersin Eğitim Çıktıları Dersin İçeriği 1. Örüntü tanımanın, Yapay Zeka alanındaki yeri hakkında bilgi vermek 2. Özellik oluşturma ve seçme, ses/ görüntü işleme, makine öğrenme yöntemleri (gözetimli ve gözetimsiz) konularında tanışıklık kazandırma 3. Seçilecek proje ile pratik yapma yeteneği Bu dersi başarıyla tamamlayabilen öğrenciler; Örüntü tanımadaki çeşitli uygulamaları formüle etme ve tanımlama yeteneği Örüntü tanımada Bayes yaklaşımının kullanımını anlamak Teorik ve pratik olarak Bayes tabanlı olan ve olmayan sınıflandırıcıları tasarlamak ve kullanabilmek Farklı sınıflandırıcı çeşitlerinin kuvvetli ve zayıf noktalarını tanımlayabilmek Farklı kümeleme tekniklerini doğrulayabilmek ve kullanabilmek Öznitelik seçme veya çıkartma sırasında boyut azaltma yöntemlerini uygulayabilmek Örüntü tanıma algoritmalarını geliştirme ve test etmede bilgisayar araçlarını (Matlab gibi) kullanabilmek Bir dönem projesini tamamlayabilmek Örüntü tanımaya giriş, Bayes karar verme teorisi, maksimum benzerlik kestirimi, doğrusal ve doğrusal olmayan sınıflandırma, perceptron, yapay sinir ağları, destek vektör makineleri, kümeleme, proje bazlı uygulamalar Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları HaftaKonular Ön Hazırlık
1 Örüntü tanımaya giriş Bu haftanın konularına ders kitabınızdan bakınız 2 Bayes karar kuramına dayalı sınıflandırıcılar 3 Bayes karar kuramına dayalı sınıflandırıcılar haftanın konusunu kitabınızdan okuyun haftanın konusuna çalışın 4 Doğrusal sınıflandırıcılar 5 Doğrusal olmayan sınıflandırıcılar 6 Doğrusal olmayan sınıflandırıcılar 7 Sınıflandırıcı kombinasyonu 8 Öznitelik seçimi 9 Öznitelik oluşturma 10 Öznitelik oluşturma 11 Kümeleme algoritmaları, çok boyutlu ölçekleme 12 Kümeleme algoritmaları, çok boyutlu ölçekleme 13 Uygulamalar: İmge ve konuşma işleme 14 Uygulamalar: İmge ve konuşma işleme Kaynaklar
Ders Kitabı: Diğer Kaynaklar: 1. Pattern Recognition, S.Theodoridis and K.Koutroumbas,4th Ed., Academic Press, 2009. 1. Pattern Classification, R.O.Duda, P.E.Hart and D.G.Stork, John Wiley, 2001. 2. Pattern Recognition and Machine Learning, C.M.Bishop, Springer, 2006. 3. Introduction to Pattern Recognition A Matlab Approach, S.Theodoridis, A.Pikrakis, K.Koutroumbas, D.Cavouras, Academic Press, 2010. Değerlendirme Sistemi Çalışmalar Sayı Katkı Payı Devam/Katılım - - Laboratuar - - Uygulama - - Alan Çalışması - - Derse Özgü Staj - - Küçük Sınavlar/Stüdyo Kritiği - - Ödevler 3 15 Sunum - - Projeler 1 20 Seminer - - Ara Sınavlar/Ara Juri 1 25 Genel Sınav/Final Juri - - Toplam 5 60
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 55 45 Toplam 100 Ders Kategorisi Temel Meslek Dersleri Uzmanlık/Alan Dersleri Destek Dersleri İletişim ve Yönetim Becerileri Dersleri Aktarılabilir Beceri Dersleri Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi # Program Yeterlilikleri / Çıktıları Katkı Düzeyi 1 2 3 4 5
1 Ayrık matematik, rasgele süreçler, türevsel denklemler, lineer cebir ile karmaşık değişkenleri içeren ileri mühendislik matematiği, fen bilimleri ve Elektrik-Elektronik alanı ile ilgili kuramsal ve uygulamalı bilgileri, mühendislik problemlerini modelleme ve çözme için uygulayabilme becerisi 2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. 3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre, ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerirler.) 4 Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. 5 Mühendislik problemlerinin incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. 6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. 7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi. 8 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. 9 Mesleki ve etik sorumluluk bilinci.
10 Proje yönetimi, risk yönetimi, zaman yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik, sıradışı yöntemler sunabilmek ve sürdürebilir kalkınma hakkında farkındalık. 11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ile çağın sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. ECTS/İş Yükü Tablosu Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) Laboratuar Uygulama Derse Özgü Staj Alan Çalışması Sınıf Dışı Ders Çalışma Süresi Sunum/Seminer Hazırlama 16 3 48 14 3 42 Projeler 1 5 5 Ödevler 3 5 15 Küçük Sınavlar/Stüdyo Kritiği Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi Toplam İş Yükü 120