| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Şekil Tanıma | BLM5114 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezsiz) Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | M. Elif Karslıgil |
| Dersi Veren(ler) | Banu Diri |
| Asistan(lar)ı |
| Dersin Amacı | Bu dersin amacı Şekil tanıma konusu ile ilgili kavramları teorik ve uygulamaya yönelik olarak öğretmektir. |
|---|---|
| Dersin İçeriği | 1. 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 |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenci şekil tanıma kavramlarını öğrenir.
- Öğrenci farklı şekil tanıma yöntemlerini ve uygulamalarını öğrenir.
- Öğrenci şekil tanıma tekniklerini gerçek dünya problemlerine uygulayabilir.
- Öğrenci şekil tanıma ile ilgili bir proje hazırlar, raporunu yazar ve sınıfta sunar.
- Öğrenci farklı sınıflandırıcıların zayıf ve kuvvetli yönlerini öğrenir.
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Şekil Tanımaya Giriş | |
| 2 | İstatiksel Karar Teorisi | |
| 3 | Boyut Azaltma, Ana Bileşen Analizi | |
| 4 | Doğrusal Ayrım Analizi | |
| 5 | Parametrik Olmayan Yöntemler | |
| 6 | k-En yakın Komşuluk, Parzen Penceresi | |
| 7 | Çekirdek Yöntemleri | |
| 8 | Destek Vektör Makinesi | |
| 9 | Saklı Markov Modeli | |
| 10 | Öğretmensiz Öğrenme Yöntemleri | |
| 11 | Özellik Seçimi | |
| 12 | Hata Oranı Tahmini, Bagging, Boosting | |
| 13 | Model Seçimi, Doğrulama Yöntemleri, ROC Eğrileri | |
| 14 | Yıliçi Sınavı | |
| 15 | Proje Sunumları | |
| 16 | Final Sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 4 | 40 |
| Sunum/Jüri | ||
| Projeler | 1 | 20 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 10 |
| Final | 1 | 30 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 16 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 16 | 2 | |
| Derse Özgü Staj | |||
| Ödev | 4 | 20 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 40 | |
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 8 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
