| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Bilgisayar Görmesi Uygulamaları | BSM 512 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi SERAP ÇAKAR KAMAN |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Öğrenciler yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını, bilgisayar görmesine dayalı uygulamalar ile birlikte bu derste öğrenecektir. Günümüz otomasyon endüstrisinde önemli uygulama alanları bulmuş olan makine öğrenmesi ve makine görmesi yönünden gerekli tasarımların yapılıp yazılımların hazırlanabilmesi hedeflenmiştir. |
| Dersin İçeriği | Makine öğrenmesine giriş. Kavramların öğrenilmesi. Verilerin yapılandırılması ve kodlanması.. Hipotezlerin değerlendirilmesi. Yapay sinir ağlarında ve karma sistemlerde öğrenme. Öğrenmede verimlilik ve hata analiz yöntemleri. Makine öğrenmesinde güvenilirliğin artırılması. Pattern tanıma ve sınıflandırma sistemleri. Öznitelik çıkartım teknikleri: İkili kodlamaya dayalı, sınırlara dayalı, bölgesel ve matematiksel morfolojiye dayalı özellikler. İmza, parmak izi, cisim vb. tanıma sistemlerinde öznitelik vektörleri ve sınıflayıcı tasarımları. Algılayıcılar, görüntü yakalama kartları ve diğer makine görmesi donanım elemanları. Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımı. Otomatik hata analizi yapan üretim sistemleri. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını öğrenir | Anlatım, Gezi / Gözlem, Gözlem, Soru-Cevap, Tartışma, | |
| 2 | Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımını öğrenir | Tartışma, Soru-Cevap, Gözlem, Gezi / Gözlem, Anlatım, | |
| 3 | Verilerin yapılandırılması ve kodlanmasını öğrenir | Tartışma, Soru-Cevap, Gözlem, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Makine öğrenmesine giriş | |
| 2 | Görüntülerin gösterilmesi | |
| 3 | İstatistiksel işlemler | |
| 4 | Filtreleme ve kenar bulma | |
| 5 | Korelasyon ve iki boyutlu dönüşümler | |
| 6 | Parçalara ayırma | |
| 7 | Örüntü tanıma sistemleri | |
| 8 | Yapısal yöntemler | |
| 9 | Bayes karar teorisi | |
| 10 | Parzen çerçeveleri | |
| 11 | Olasılıksal sinir ağı (PNN) | |
| 12 | En yakın komşu sınıflandırıcıları | |
| 13 | Lineer diskriminant analizi | |
| 14 | Radyal temelli fonksiyon ağları (RBF) |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | - Artificial Intelligence and Statistical Pattern Recognition, Edward A. Patrick, James M. Fattu, Prentice-Hall Inc., 1986. -Neural networks and fuzzy systems : a dynamical systems approach to Machine Intelligence, Bart Kosko, Prentice Hall, 1992. - Applied Image Processing, G.J. Awcock, R. Thomas, McGrow-Hill Inc., 1996. - Neuro-Fuzzy and Soft Computing = A Computational Approach Learning and Machine Intelligence, Jyh-Shing Roger Jang, Chuen-Tsai Sun, Eiji Muzutani, Pearson Education, 1996. -Machine Vision: Theory, Algorithms, Practicalities, E.R. Davies, Academic Press, 1997. |
| 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 | Bilgi ve İletişim Teknolojileri konularında ileri uygulamaları yapacak düzeyde genişlemesine ve derinlemesine bilgi sahibidir. | ||||||
| 7 | Tanımlanmış bilgi ve iletişim teknolojileri problemlerini çözmek için yöntem geliştirir ve bu yenilikçi yöntemleri uygular. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını öğrenir | |||||||
| 2 | Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımını öğrenir | |||||||
| 3 | Verilerin yapılandırılması ve kodlanmasını öğrenir |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 100 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ara Sınav | 1 | 20 | 20 |
| Final | 1 | 25 | 25 |
| Toplam İş Yükü | 141 | ||
| Toplam İş Yükü / 25 (Saat) | 5,64 | ||
| Dersin AKTS Kredisi | 6 | ||