ÇANKIRI KARATEKİN ÜNİVERSİTESİ - Bologna Bilgi Sistemi


  • Ders Tanımı
  • Ders Adı Kodu Yarıyıl Teori+Uygulama (Saat) Havuz Statü AKTS
    Örüntü Tanıma BİL477 GÜZ-BAHAR 3+0 S 6
    Öğrenme Çıktıları
    1-Örüntü tanıma becerisini kullanır.
    2-Örüntü sınıflama becerisini uygular.
    3-Optik örüntü tanıma konusunu tanımlar.
    4-Hedef tanıma ve izleme becerisini analiz eder.
    5-Örüntü tanıma sistemi tasarlar.
  • AKTS / İŞ YÜKÜ TABLOSU
  • EtkinlikKatkı Yüzdesi

    (100)

    SayısıSüresi (Saat)Toplam İş Yükü (Saat)
    Ders Süresi (Hafta x Ders Saati)14342
    Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme)14798
    Ödevler0000
    Kısa Süreli Sınavlar (sınav + hazırlık) 0000
    Ara Sınavlar (sınav + hazırlık)3011010
    Proje3011010
    Laboratuar 0000
    Yarıyıl Sonu Sınavı (sınav + hazırlık) 4011212
    Diğer 0000
    Toplam İş Yükü(Saat)   172
    Toplam İş Yükü(Saat)/ 30 (s)     5,73 ---- (6)
    Dersin AKTS Kredisi   6
  • Ders Akışı
  • Hafta Konular Ön Hazırlık
    1 Örüntü tanımaya giriş
    2 Olasılık, Lineer Cebir tekrarı
    3 Bayes Karar teorisi, Maksimum benzerlik kuramı
    4 Gaussian karar fonksiyonları
    5 Lineer ayırt edici fonksiyonları
    6 Destek karar makineleri
    7 Yapay Sinir Ağları
    8 Ara Sınav
    9 Temel bileşen analizi (PCA)
    10 En yakın komşu ve k-en yakın komşu kuralları
    11 Kümeleme yöntemleri
    12 K-Means ve Hiyararşi kümeleme
    13 Özellik Çıkarma, Öznitelik seçimi
    14 Örüntü tanıma uygulamaları
    15 Ders proje sunumları
    Ön Koşul -
    Ders Dili Türkçe
    Koordinatör Dr. Öğr. Üyesi Seda ŞAHİN
    Dersi Verenler -
    Ders Yardımcıları -
    Kaynaklar 1. Duda R. O., Hart P. E., Stork D. G., (2001), "Pattern Classification", John Wiley and Sons. 2. Optical Pattern Recognition- Cambridge Unv. Press. 3.C. M. Bishop, (2006), "Pattern Recognition and Machine Learning", Springer.
    Yardımcı Kitap -
    Dersin Amacı Gürültülü gerçek dünya örneklerinden bilgisayar teknolojisi kullanarak veri setlerindeki örüntülerin tanınmasını sağlamaktır.
    Dersin İçeriği Olasılık, Lineer Cebir tekrarı, Bayes Karar teorisi, Maksimum benzerlik kuramı, Gaussian karar fonksiyonları, Lineer ayırt edici fonksiyonları, Destek karar makineleri, Yapay Sinir Ağları, Temel bileşen analizi (PCA), En yakın komşu ve k-en yakın komşu kuralları, Kümeleme yöntemleri, K-Means ve Hiyararşi kümeleme, Özellik Çıkarma, Öznitelik seçimi, Örüntü tanıma uygulamaları
  • Program Yeterlilik Çıktıları
  • Program Yeterlilik Çıktıları Katkı Düzeyi
    1 Matematik, Fen bilimleri ve Mühendislik alanında edinilen bilgilerin Bilgisayar Mühendisliği problemlerinin çözümü ve modellenmesine yönelik kullanımı becerisi 4
    2 Mühendislik problemlerini tanımlama, modelleme ve uygun analiz yöntemlerini seçip uygulayarak çözme becerisi 5
    3 Mühendislik araştırmaları kapsamında deney tasarlama, uygulama ve elde edilen verileri analiz ederek yorumlayabilme becerisi 4
    4 Belirli bir amaca yönelik bir sistem, sistem parçası ya da prosesi, mevcut ekonomik ve teknik imkanlar dahilinde tasarlayabilme becerisi 4
    5 Modern mühendislik tekniklerinden ve bilişim teknolojilerinden etkin şekilde faydalanabilme becerisi 3
    6 Mesleki ve etik sorumluluk bilinci edinme -
    7 Bireysel veya disiplin içi/disiplinler arası takımlarda çalışabilme yeteneği 3
    8 Etkin sözlü ve yazılı iletişim kurma becerisi -
    9 Yaşam boyu öğrenme bilinci edinme ve bu kapsamda bilim ve teknolojideki gelişmeleri takip ederek kendini sürekli yenileme becerisi 3
    10 İş hayatı, sağlık, güvenlik ve çevre bilinci edinme -
    11 Girişimcilik, yenilikçilik ve çağın sorunları hakkında bilgi sahibi olmak 3
    Çankırı Karatekin Üniversitesi  Bilgi İşlem Daire Başkanlığı  @   2017 - Webmaster