|
Ön koşul dersleri
|
Yok
|
|
Eğitimin dili
|
İngilizce
|
|
Koordinatör
|
DOÇ. DR. ÖZKAN UFUK NALBANTOĞLU
|
|
Dersi veren öğretim eleman(lar)ı
|
YRD.DOÇ. DR. ÖZKAN UFUK NALBANTOĞLU
|
|
Yardımcı öğretim eleman(lar)ı
|
Yok
|
|
Dersin veriliş şekli
|
Yüz-yüze
|
|
Dersin amacı
|
Bu dersin amacı öğrencinin Bayes karar teorisi,
doğrusal ayırtaçlar, karar ağaçları, en yakın komşu
kümelemesi, yapay sinir ağlarıö destek vektör makineleri gibi temel örüntü
tanıma yaklaşımlarını öğrenmesini sağlamaktır.
|
|
Dersin tanımı
|
Bu ders parametrik ve parametrik olmayan sınıflandırma araçları, sınıflandırma algoritmalarının teorisini ve algoritmik uygulamalarını içermektedir.
|
|
1- |
Parametrik ve parametrik olmayan sınıflandırma yöntemleri.
|
|
2- |
Karar ağaçları.
|
|
3- |
En yakın komşu sınıflandırması.
|
|
4- |
Olasılık modelleri ve Naive Bayes algoritması.
|
|
5- |
Doğrusal sınıflandırıcılar ve perseptron algoritması.
|
|
6- |
Yapay sinir ağları
|
|
7- |
Yapay sinir ağları ve geri yayılım yöntemiyle öğrenme.
|
|
8- |
Geniş marjin sınıflandırıcıları.
|
|
9- |
Destek vektör makineleri.
|
|
10- |
Bayes Ağları
|
|
11- |
Bayes Ağları
|
|
12- |
Özellik seçimi
|
|
13- |
Özellik çıkarımı
|
|
14- |
Sınıflandırma performans kriterleri
|
|
15- |
|
|
16- |
|
|
17- |
|
|
18- |
|
|
19- |
|
|
20- |
|
|
1- |
Parametrik ve parametrik olmayan öğrenme modelleri oluşturma becerisi
|
|
2- |
Bir örüntü tanıma sistemini tasarlama, model seçimi, eğitimi ve test etme becerisi
|
|
3- |
Sınıflandırma araçları kullanma becerisi
|
|
4- |
Yapay sinir ağları ile sınıflandırma yapma becerisi
|
|
5- |
Karar ağaçları, destek vektör makineleri ve Bayes yöntemleri ile örüntü eğitiminin öğrenilmesi
|
|
6- |
-
|
|
7- |
|
|
8- |
|
|
9- |
|
|
10- |
|
|
*Dersin program yeterliliklerine katkı seviyesi
|
|
1- |
Mühendislik konularında matematik ve fen bilgilerini uygulama becerisine sahip olur.
|
|
|
2- |
Bir problemi saptama, tanımlama, formüle etme ve çözme becerisine sahip olur.
|
|
|
3- |
Bir sistemi, parçayı ya da süreci tasarlama becerisine sahip olur.
|
|
|
4- |
Mühendislik uygulamaları için gerekli olan teknikleri ve araçları kullanma becerisine sahip olur.
|
|
|
5- |
Deney/proje tasarlama, uygulama ve sonuçlarını analiz ederek yorumlama becerilerine sahip olur.
|
|
|
6- |
Takım çalışmasına yatkınlık becerisine sahip olur.
|
|
|
7- |
Bireysel çalışma becerisine sahip olur.
|
|
|
8- |
Sözlü ve/veya yazılı iletişim kurma becerisine sahip olur.
|
|
|
9- |
Yaşam boyu öğrenmenin gerekliliği bilinci ve bunu gerçekleştirebilme becerisine sahip olur.
|
|
|
10- |
Mesleki ve etik sorumluluk bilinci ile hukuksal konularda bilgiye sahip olur.
|
|
|
11- |
Yönetsel becerilere (liderlik, organizasyon, zaman ve risk yönetimi, kalite bilinci, verimlilik vb) sahip olur.
|
|
|
12- |
Zamanı en iyi şekilde kullanma becerisine sahip olur.
|
|
|
13- |
Alışılmışın dışında yollar bulabilme becerisine sahip olur.
|
|
|
14- |
Yönetim becerisi, mesleki özgüven ve inisiyatif alabilme özelliklerine sahip olur.
|
|
|
15- |
Problemlere çözümler getirirken ulusal çıkarları gözetir.
|
|
|
16- |
|
|
|
17- |
|
|
|
18- |
|
|
|
19- |
|
|
|
20- |
|
|
|
21- |
|
|
|
22- |
|
|
|
23- |
|
|
|
24- |
|
|
|
25- |
|
|
|
26- |
|
|
|
27- |
|
|
|
28- |
|
|
|
29- |
|
|
|
30- |
|
|
|
31- |
|
|
|
32- |
|
|
|
33- |
|
|
|
34- |
|
|
|
35- |
|
|
|
36- |
|
|
|
37- |
|
|
|
38- |
|
|
|
39- |
|
|
|
40- |
|
|
|
41- |
|
|
|
42- |
|
|
|
43- |
|
|
|
44- |
|
|
|
45- |
|
|
|
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder |
|
Planlanan öğretim faaliyetleri, öğretme metodları ve AKTS iş yükü
|
|
|
Sayısı
|
Süresi (saat)
|
Sayı*Süre (saat)
|
|
Yüz yüze eğitim
|
14
|
2
|
28
|
|
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)
|
0
|
0
|
0
|
|
Ödevler
|
1
|
2
|
2
|
|
Sunum / Seminer hazırlama
|
0
|
0
|
0
|
|
Kısa sınavlar
|
0
|
0
|
0
|
|
Ara sınavlara hazırlık
|
1
|
7
|
7
|
|
Ara sınavlar
|
1
|
2
|
2
|
|
Proje (Yarıyıl ödevi)
|
1
|
8
|
8
|
|
Laboratuvar
|
0
|
0
|
0
|
|
Arazi çalışması
|
0
|
0
|
0
|
|
Yarıyıl sonu sınavına hazırlık
|
0
|
0
|
0
|
|
Yarıyıl sonu sınavı
|
1
|
2
|
2
|
|
Araştırma
|
0
|
0
|
0
|
|
Toplam iş yükü
|
|
|
49
|
|
AKTS
|
|
|
2.00
|
|
Değerlendirme yöntemleri ve kriterler
|
|
Yarıyıl içi değerlendirme
|
Sayısı
|
Katkı Yüzdesi
|
|
Ara sınav
|
1
|
20
|
|
Kısa sınav
|
0
|
0
|
|
Ödev
|
1
|
20
|
|
Yarıyıl içi toplam
|
|
40
|
|
Yarıyıl içi değerlendirmelerin başarıya katkı oranı
|
|
40
|
|
Yarıyıl sonu sınavının başarıya katkı oranı
|
|
60
|
|
Genel toplam
|
|
100
|
|
Önerilen veya zorunlu okuma materyalleri
|
|
Ders kitabı
|
Machine Learning, Tom Mitchell, McGraw Hill
|
|
Yardımcı Kaynaklar
|
Pattern Classification, Richard O. Duda, Peter E. Hart, David G. Stork, Wiley
|
|