• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS EED 4010 ÖRÜNTÜ TANIMA SEÇMELİ 3 2 0 6

Dersi Veren Birim

Elektrik-Elektronik Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

YRD.DOÇENT HATİCE DOĞAN

Dersi Alan Birimler

Elektrik-Elektronik Mühendisliği

Dersin Amacı

Bu ders örüntü tanıma tekniklerinin temellerini ve uygulama alanlarını tanıtmayı amaçlamaktadır.

Dersin Öğrenme Kazanımları

1   Örüntü tanımanın esaslarını tanımlayabilmek 2   Değişik tipte veri için eğiticili ve eğiticisiz öğrenme tekniklerini uygulayabilmek ve öğrenme algoritmalarının çıktılarını değerlendirebilmek 3   Analiz edilecek ham veriden öznitelik çıkarabilmek 4   Örüntü tanıma tekniklerinin uygulamasında karşılaşılabilecek temel problemleri tanımlayabilmek 5   Örüntü tanıma sistemlerinin tasarım ve benzetiminde MATLABi kullanabilmektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

EED 3005 - OLASILIK VE RASGELE İŞARET PRENSİPLERİ

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Örüntü tanımaya giriş 2 Olasılık ve doğrusal cebir 3 Bayes Karar Teorisi-I 4 Bayes Karar Teorisi-II 5 Doğrusal ayırıcılar-I 6 Doğrusal ayırıcılar-II 7 Parametrik Kestirim 8 Eğiticili öğrenme yöntemleri 9 Ara sınav 10 Eğiticisiz öğrenme yöntemleri 11 MATLAB ile örüntü tanıma 12 Temsil ve sınıflandırma için öznitelik çıkarımı 13 Öznitelik seçme yötemleri 14 Öğrenci ödev değerlendirmeleri

Ders İçin Önerilen Kaynaklar

Pattern Classification 2nd ed., R.O.Duda, P.E. Hart, D.G.Stork, John Wiley& Sons, 2001 Introduction to Statistical Pattern Recognition, Keinosuke Fukunaga, Academic Press 1990. Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas, Academic Press, 1998. Pattern Recognition: Statistical, Structural and Neural Approaches by Robert J. Schalkoff, John Wiley & Sons, 1991.

Öğrenme ve Öğretme Yöntemleri

Ders içeriği sunumlar aracılığıyla verilecek, ayrıca içeriği destekleyen uygulama saatleri yapılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Vize 2 OD Ödev 3 FN Final 4 BNS BNS VZ*0.20+OD *0.30+FN * 0.50 5 BUT Bütünleme Notu 6 BBN Bütünleme Sonu Başarı Notu VZ*0.20+OD *0.30+BUT * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Öğrenme çıktıları sınavlar ve ödevler aracılığıyla değerlendirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 13 3 39 Uygulama 14 2 28 Vize Sınavına Hazırlık 1 6 6 Final Sınavına Hazırlık 1 10 10 Ödev Hazırlama 4 4 16 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Final Sınavı 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 142

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 PK.11 PK.12 PK.13 ÖK.1 5 ÖK.2 5 4 2 2 ÖK.3 5 4 3 ÖK.4 3 5 ÖK.5 4 4 5 3