Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Şekil TanımaBLM511437.5300
ÖnkoşullarYok
YarıyılBahar
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz)
Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Doktora Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüM. Elif Karslıgil
Dersi Veren(ler)M. Elif Karslıgil
Asistan(lar)ı
Dersin AmacıBu dersin amacı Şekil tanıma konusu ile ilgili kavramları teorik ve uygulamaya yönelik olarak öğretmektir.
Dersin İçeriği1. Şekil Tanımaya Giriş 2. İstatiksel Karar Teorisi 3. Boyut Azaltma (Ana Bileşen Analizi, Doğrusal Ayırım Analizi) 4. Parametrik Olmayan Yöntemler(Yoğunluk tahmini, k-En yakın Komşuluk, Parzen Penceresi) 5. Çekirdek Yöntemleri ve Destek Vektör Makinesi 6. Saklı Markov Modeli 7. Öğretmensiz Öğrenme Yöntemleri 8. Özellik Seçimi 9. Hata Oranı Tahmini, Bagging, Boosting 10. Model Seçimi, Doğrulama Yöntemleri 11. ROC Eğrileri
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Pattern Classification, Duda, Hart and Stork, Second Edition, Wiley, 2001
  • Pattern Recognition and Machine Learning, C. Bishop, Springer 2006
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci şekil tanıma kavramlarını öğrenir.
  2. Öğrenci farklı şekil tanıma yöntemlerini ve uygulamalarını öğrenir.
  3. Öğrenci şekil tanıma tekniklerini gerçek dünya problemlerine uygulayabilir.
  4. Öğrenci şekil tanıma ile ilgili bir proje hazırlar, raporunu yazar ve sınıfta sunar.
  5. Öğrenci farklı sınıflandırıcıların zayıf ve kuvvetli yönlerini öğrenir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Şekil Tanımaya Giriş
2İstatiksel Karar Teorisi
3 Boyut Azaltma, Ana Bileşen Analizi
4Doğrusal Ayrım Analizi
5Parametrik Olmayan Yöntemler
6k-En yakın Komşuluk, Parzen Penceresi
7Çekirdek Yöntemleri
8Ara Sınav 1
9Saklı Markov Modeli
10Öğretmensiz Öğrenme Yöntemleri
11Özellik Seçimi
12Hata Oranı Tahmini, Bagging, Boosting
13Model Seçimi, Doğrulama Yöntemleri, ROC Eğrileri
14Yıliçi Sınavı
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev440
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar110
Final130
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması133
Derse Özgü Staj
Ödev420
Küçük Sınavlar/Stüdyo Kritiği
Projeler140
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)119
Final (Sınav Süresi + Sınav Hazırlık Süresi)110
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok