| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Pattern Recognıtıon and Machıne Learnıng | SWE 525 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi İBRAHİM DELİBAŞOĞLU |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bu derste örüntü tanıma ve makine öğrenmesinin temel kavramları tanıtılır. Sınıflama, kümeleme, özellik çıkarımı, boyut indirgeme gibi konular uygulamalı örnekler ile açıklanır. |
| Dersin İçeriği | Örüntü tanıma ve makine öğrenmesinin temel kavramlarını öğrenmek. Makine öğrenmesi tekniklerini örnekler üzerinden uygulamayı öğrenmek. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Bayes teoremini öğrenme | Mikro Öğretim, | |
| 2 | Gözetimli ve gözetimsiz öğrenme tekniklerini anlama | Mikro Öğretim, | |
| 3 | Sınıflama ve kümeleme yöntemlerini öğrenme | Gözlem, Mikro Öğretim, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Örüntü tanıma ve Makine öğrenmesine giriş | |
| 2 | Eğri uydurma | |
| 3 | Bayes teoremi | |
| 4 | Gözetimli öğrenme ve sınıflama | |
| 5 | Lineer ve Nonlineer sınıflayıcılar | |
| 6 | Gözetimsiz öğrenme ve kümeleme | |
| 7 | K-means ve k-nn yöntemleri | |
| 8 | Karar ağacı | |
| 9 | Özellik seçme ve dönüştürme | |
| 10 | Boyut indirgeme | |
| 11 | Sinir ağları | |
| 12 | Evrişimsel Sinir ağları | |
| 13 | Özellik çıkarımı | |
| 14 | Görüntü sınıflama |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Pattern Recognition and Machine Learning, C. M. Bishop, Springer 2006
E. Alpaydın, Introduction to Machine Learning, Third Edition, The MIT Press, 2014 |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Her ölçekte yazılım sistemi için proje planlaması; zaman, kaynak, bütçe ve risk yönetimi yapar, alternatif çözüm yolları belirler. | ||||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| Toplam | 0 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 3 | 42 |
| Proje / Tasarım | 1 | 24 | 24 |
| Ara Sınav | 1 | 10 | 10 |
| Final | 1 | 15 | 15 |
| Performans Görevi (Uygulama) | 4 | 5 | 20 |
| Toplam İş Yükü | 153 | ||
| Toplam İş Yükü / 25 (Saat) | 6,12 | ||
| Dersin AKTS Kredisi | 6 | ||