Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
PATTERN CLASSIFICATION	Birinci Düzey	CENG 530		2	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Yok
Eğitimin Dili	İngilizce
Koordinatör
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 örüntü sınıflandırma algoritmalarının öğrenmesini sağlamaktır.
Dersin Tanımı	Bu ders parametrik ve parametrik olmayan sınıflandırma araçları, sınıflandırma algoritmalarının teorisini ve algoritmik uygulamalarını içermektedir.

Dersin İçeriği

1	Parametric and non-parametric classification techniques
2	Decision trees
3	k-nearest neighbor algorithm
4	Probablistic models and Naive Bayesian classifier
5	Linear classifiers and perceptron
6	Artificial Neural Networks
7	Artificial Neural Networks and Backpropagation Algorithm
8	Large margin classifiers and Lagrangian optimization
9	Support Vector Machines
10	Bayesian Networks
11	Bayesian Networks and Belief Propagation
12	Feature selection
13	Feature extraction
14	Classifier performance assesment
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Doğrusal cebir ile sınıflandırma algoritmalarının ilişkisinin kurulması
2	Lagranj optimizasyon tekniklerinin sınıflandırıcı eğitiminde kullanılmasının öğrenilmesi
3	Parametrik ve parametrik olmayan öğrenme modelleri oluşturma 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	Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimine sahip olma becerisi.
2	Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
3	Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
4	Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
5	Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
6	Türkçe sözlü ve yazılı etkin iletişim kurma becerisi
7	Etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
8	Yaşam boyu öğrenmenin gerekliliği bilinci
9	Bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
10	Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
11	Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi
12	Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
13
14
15
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 İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	3	42
Ödevler	2	10	20
Sunum / Seminer hazırlama	1	20	20
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	14	14
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	1	20	20
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	28	28
Yarıyıl sonu sınavı	1	2	2
Araştırma	0	0	0
Toplam iş yükü			190
AKTS			7.50

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	Pattern Classification, Richard O. Duda, Peter E. Hart, David G. Stork, Wiley
Yardımcı Kaynaklar	Pattern Recognition and Machine Learning, Christopher Bishop, Springer

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında