Ders Adı Örüntü Tanıma
Ders Kodu 01BLG5112
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Lisansüstü
Yıl 1
Dönem 2.Yarıyıl
AKTS 6
Dersi Veren(ler)
Dersin Yardımcıları
Dersin Öğrenme Çıktıları
Ders İşleme Biçimi Yüz Yüze
-
Dersin İçeriği Giriş, matematiksel önbilgiler, Bayes Teoremi, ayıraç çözümlemesi; demetleme yöntemleri; öğrenme algoritmalarının değerlendirilmesi ve karşılaştırılması, öğrenme algoritmalarının birlikte kullanılması, özellik çıkartma ve seçme, temel bileşim analizi (PCA), bağımsız bileşen analizi (ICA), eksik veriler, etiketsiz verilerin performansı artırmak için kullanılması, örüntü önişleme ve art işleme, sözdizimsel örüntü tanıma. Sınıflandırma, Yapay zeka yöntemlerinin sınıflandırmada kullanılması. Güncel uygulamalar: Karakter tanıma, zaman serisi tanıma.
Dersin Verildiği Diller Türkçe
Dersin Hedefleri
Dersin Amacı İstatistiksel ve yapay zeka sınıflayıcılarının anlaşılması ve bilgisayarla kullanılması. Özniteliklerin çıkarılması ve seçilebilmesi.
WorkPlacement Kullanılmamaktadır
Hafta Konular  
1 Sayısal imge işleme temelleri
2 Görüntü örnekleme ve çok boyutlu ayrık dönüşümler
3 Wavelet dönüşümleri
4 Çok boyutlu ayrık sinyal işleme
5 İmge ve görüntü sıkıştırma, imge kodlama, imge zenginleştirme
6 Ayrık filtreler
7 Yapısal (içeriğe-dayalı) imge işleme, renkli imge işleme
8 Ayrık sinyaller ve sistemler
9 Örnekleme, yeniden yapılandırma, ve nicelemleme
10 Sayısal imgeleme
11 Sayısal imge temelleri
12 İmge dönüşümleri. İmge çoğaltma
13 İmge restorasyonu
14 İmge tarifi ve imge kesimleme.
No Bölüm Öğrenme Çıktısı Katkı Düzeyi
1 Matematik ve fen bilgilerini mühendislikte uygulama becerisi kazanır. 4
2 Deney tasarlama, deney yapma, deney sonuçlarını analiz etme ve yorumlama becerisi kazanır. 4
3 İstenen gereksinimleri karşılayacak biçimde bir sistemin(donanım veya yazılım) süreçlerini tasarlayabilir. 4
4 Çok disiplinli konularda çalışabilir. 3
5 Mühendislik problemlerini tanımlama, modelleme ve çözme becerisi kazanır 4
6 Mesleki ve etik sorumluluk bilinci kazanır. 4
7 Mühendislik çözümlerinin evrensel ve ulusal boyutlarda etkilerini anlama becerisi kazanır. 4
8 Yaşam boyu öğrenmenin gerekliliği, bilinci ve bunu gerçekleştirebilme becerisi kazanır 4
9 Mühendislik uygulamaları için gerekli olan teknikleri ve modern araçları kullanma becerisi kazanır 4
10 Zaman yönetimi yapabilme ve meslek gelişimi planlayabilme becerisi kazanır. 5
11 Bilgisayar mühendisliği ile ilgili projeleri ayrıntıları ile planlayabilme becerileri kazanır. 5
12 Yenilikçi ve sorgulayıcı düşünüp sıra dışı yollar keşfedebilme becerisi kazanır 5
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 70
Kısa Sınav 0 0
Ödev 1 20
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 1 10
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 14 2 28
Sınıf Dışı Ders Çalışma Süresi 14 3 42
Ödevler 2 20 40
Sunum 0 0 0
Proje 3 20 60
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Ara Sınavlar 1 8 8
Yarıyıl Sonu Sınavı 1 10 10
İşyükü Saati (30) 30
Toplam İşyükü / Saat 188    
Dersin Akts Kredisi 6    
Ders Notu C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006. E. Gose, R. Johnsonbaugh, S. Jost, Pattern Recognition and Image Analysis, Prentice Hall, 2004.
Diğer Kaynaklar
Materyal
Dökümanlar
Ödevler
Sınavlar
Materyal Diğer
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri
Konferanslar, Uygulamalı Dersler, Sunumlar, Seminerler, Projeler, Laboratuar Uygulamaları(gerekirse)