Lisansüstü Eğitim Enstitüsü · Bilgisayar Bilimleri ve Mühendisliği · Lisansüstü
Dersin Amacı
Bu dersin odak noktası örüntü tanıma tekniklerinin teori ve uygulanmaları üzerinedir. Kapsanan konular arasında, makine ile örüntü sınıflandırılması, öznitelik çıkarma, nesne tanıma, Bayes karar teorisi, parametrik ve parametrik olmayan örüntü tanıma, denetimli ve denetimsiz örüntü tanıma konuları bulunmakta ve bu konulara genel bir bakış sunulmaktadır.
Ders İçeriği
Öğrenme ve adopsiyon, Bayes karar teorisi, ayırıcı fonksiyonlar, parametrik teknikler, maksimum olabilirlik tahmini, Bayes tahmini, yeterli istatistik, parametrik olmayan teknikler, doğrusal ayırtaç fonksiyonlar, algoritma bağımsız otomatik öğrenme, sınıflandırıcılar, denetimsiz öğrenme, gruplaştırma.
Zorunlu Kaynaklar
Duda, R.O.Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
Önerilen Kaynaklar
Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2007; Marsland, S. Machine Learning: An Algorithmic Perspective. CRC Press. 2009. (Also uses Python.); Theodoridis, S. and Koutroumbas, K. Pattern Recognition. Edition 4. Academic Press, 2008.
Dersin Öğrenme Çıktıları
- Temel ve gelişmiş örüntü tanıma sistemlerini tasarlayabilecektir.
- Temel istatistiksel ve sözdizimsel örüntü tanıma yaklaşımlarını açıklayabilecektir.
- Örüntü tanıma sistemi tasarımlarında yer alan başlıca konuları ve problemleri betimleyebilecektir.
- Değişik örüntü tanıma tekniklerini karşılaştırabilecektir.
- Bilgisayar araçları kullanarak örüntü tanıma tekniklerini uygulanabilecektir.
Temel Alan Dağılımı
Öğretim Yöntem ve Teknikleri
Ölçme ve Değerlendirme
AKTS / İş Yükü
| Etkinlik | Sayı | Süre (saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi (Sınav Haftası Dahil) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi | 0 | 0 | 0 |
| Ara Sınav | 1 | 2 | 2 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 5 | 7 | 35 |
| Uygulama | 0 | 0 | 0 |
| Final | 1 | 2 | 2 |
Ders Akışı
| Hafta | Konu | Ön Hazırlık |
|---|---|---|
| 1 | Örüntü Tanımaya Giriş, Öğrenme ve Adopsiyon | Ders notlari |
| 2 | Bayes Karar Teorisi | Ders notlari |
| 3 | Ayırtaç Fonksiyonlar | Ders notlari |
| 4 | Parametrik Teknikler: Maksimum Olabilirlik Tahmini ve Bayes Kestirimi, Yeterli İstatistikler | Ders notlari |
| 5 | Parametrik Olmayan Teknikler | Ders notlari |
| 6 | Doğrusal Ayırtaç Fonksiyonlar | Ders notlari |
| 7 | Doğrusal Ayırtaç Fonksiyonlar | Ders notlari |
| 8 | Vize | Vize |
| 9 | Metrik Olmayan Yöntemler | Ders notlari |
| 10 | Algoritma-Bağımsız Otomatik Öğrenme | Ders notlari |
| 11 | Algoritma-Bağımsız Otomatik Öğrenme – Tekrar Örnekleme | Ders notlari |
| 12 | Algoritma-Bağımsız Otomatik Öğrenme – Sınıflandırıcılar | Ders notlari |
| 13 | Denetimsiz Öğrenme ve Gruplaştırma | Ders notlari |
| 14 | Denetimsiz Öğrenme ve Kümeleme | Ders notlari |
| 15 | Denetimsiz Öğrenme ve Kümeleme | Ders notlari |
| 16 | Final | Final |