CE 322 | Ders Tanıtım Bilgileri - Yazılım Mühendisliği

Dersin Adı

Örüntü Tanıma

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
CE 322	Güz/Bahar	3	0	3	5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Problem çözme Deney / Laboratuvar / Atölye uygulama Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	-
Öğretim Eleman(lar)ı	-
Yardımcı(ları)	-

Dersin Amacı

Bu dersin odak noktası örüntü tanıma tekniklerinin teori ve uygulanmaları üzerinedir. Kapsanan konular arasında, makine ile örüntü sınıflandırılması, öznitelik çıkarma, nesne tanıma, Bayes karar teorisi, parametrik ve parametrik olmayan örüntü tanıma, denetimli ve denetimsiz örüntü tanıma konuları bulunmakta ve bu konulara genel bir bakış sunulmaktadır.

Öğrenme Çıktıları

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	Temel ve gelişmiş örüntü tanıma sistemlerini tasarlayabilecektir.
2	Temel istatistiksel ve sözdizimsel örüntü tanıma yaklaşımlarını açıklayabilecektir.
3	Örüntü tanıma sistemi tasarımlarında yer alan başlıca konuları ve problemleri betimleyebilecektir.
4	Değişik örüntü tanıma tekniklerini karşılaştırabilecektir.
5	Bilgisayar araçları kullanarak örüntü tanıma tekniklerini uygulayabilecektir.

Ders Tanımı

Öğrenme ve adopsiyon, Bayes karar teorisi, ayırıcı fonksiyonlar, parametrik teknikler, maksimum olabilirlik tahmini, Bayes tahmini, yeterli istatistik, parametrik olmayan teknikler, doğrusal ayırtaç fonksiyonlar, algoritma bağımsız otomatik öğrenme, sınıflandırıcılar, denetimsiz öğrenme, gruplaştırma.

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık	Öğrenme Çıktısı
1	Örüntü Tanımaya Giriş, Öğrenme ve Adopsiyon	Bölüm 1. Kısım 1.1-1.6. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
2	Bayes Karar Teorisi	Bölüm 2. Kısım 2.1-2.4. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
3	Ayırtaç Fonksiyonlar	Bölüm 2. Kısım 2.5,2.6, 2.9. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
4	Parametrik Teknikler: Maksimum Olabilirlik Tahmini ve Bayes Kestirimi, Yeterli İstatistikler	Bölüm 3. Kısım 3.1-3.7. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
5	Parametrik Olmayan Teknikler	Bölüm 4. Kısım 4.1-4.4. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
6	Doğrusal Ayırtaç Fonksiyonlar	Bölüm 5. Kısım 5.1-5.8. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
7	Ara-sınav
8	Metrik Olmayan Yöntemler	Bölüm 8. Kısım 8.1-8.4. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
9	Algoritma-Bağımsız Otomatik Öğrenme	Bölüm 9. Kısım 9.1-9.3. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
10	Algoritma-Bağımsız Otomatik Öğrenme – Tekrar Örnekleme	Bölüm 9. Kısım 9.4,9.5. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
11	Algoritma-Bağımsız Otomatik Öğrenme – Sınıflandırıcılar	Bölüm 9. Kısım 9.6,9.7. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
12	Denetimsiz Öğrenme ve Gruplaştırma	Bölüm 10. Kısım 10.1-10.4. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
13	Denetimsiz Öğrenme ve Kümeleme	Bölüm 10. Kısım 10.5-10.9. Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
14	Proje sunumları
15	Dönemin gözden geçirilmesi
16	Final Sınavı

Ders Kitabı	Duda, R.O.Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
Önerilen Okumalar/Materyaller	Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2007; Marsland, S. Machine Learning: An Algorithmic Perspective. CRC Press. 2009. (Also uses Python.); Theodoridis, S. and Koutroumbas, K. Pattern Recognition. Edition 4. Academic Press, 2008.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO 1	LO 2	LO 3	LO 4	LO 5
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev	1	10
Sunum / Jüri Önünde Sunum
Proje	1	20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	3	60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	40
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	14	2	28
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev	1	10	10
Sunum / Jüri Önünde Sunum			0
Proje	1	20	20
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	20	20
Final Sınavı	1	24	24
		Toplam	150

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Mühendislik Bilgisi: Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.		-	-	-	X	-
	1	Matematik	-	-	-	-	-
	2	Fen bilimleri	-	-	-	-	-
	3	Temel mühendislik	-	-	-	-	-
	4	Bilgisayarla hesaplama	-	-	-	-	-
	5	İlgili mühendislik disiplinine özgü konularda bilgi	-	-	-	-	-
	6	Bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.	-	-	-	-	-
2	Problem Analizi: Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını* gözeterek tanımlama, formüle etme ve analiz becerisi*		-	-	-	-	X
3	Mühendislik Tasarımı: Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları* gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi.		-	-	-	X	-
	1	Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi	-	-	-	-	-
	2	Karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları* gözeterek,	-	-	-	-	-
	3	Mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi	-	-	-	-	-
4	Teknik ve Araçların Kullanımı: Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi.		-	-	-	X	-
5	Araştırma ve İnceleme: Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi.		-	-	-	X	-
	1	Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması	-	-	-	-	-
	2	Deney tasarlama	-	-	-	-	-
	3	Deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi	-	-	-	-	-
6	Mühendislik Uygulamalarının Küresel Etkisi: Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları* kapsamında, topluma, sağlık ve güvenliğe, ekonomiye,sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.		-	-	-	-	-
	1	Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları* kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; (FENG101)	-	-	-	-	-
	2	Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. (FENG101)	-	-	-	-	-
7	Etik Davranış: Mühendislik meslek ilkelerine* uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. (FENG101)		-	-	-	-	-
	1	Mühendislik meslek ilkelerine* uygun davranma, etik sorumluluk hakkında bilgi	-	-	-	-	-
	2	Hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık.	-	-	-	-	-
8	Bireysel ve Takım Çalışması: Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi.		-	-	-	-	-
9	Sözlü ve Yazılı İletişim: Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda		-	-	-	-	-
	1	Sözlü (ENGxxx)	-	-	-	-	-
	2	Yazılı etkin iletişim kurma becerisi. (ENGxxx)	-	-	-	-	-
10	Proje Yönetimi: Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık.		-	-	-	-	-
	1	Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; (FENG497-FENG498)	-	-	-	-	-
	2	Girişimcilik ve yenilikçilik hakkında farkındalık. (FENG101)	-	-	-	-	-
11	Yaşam Boyu Öğrenme: Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi.		-	-	-	-	-

CE 322 | Ders Tanıtım Bilgileri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

DEĞERLENDİRME ÖLÇÜTLERİ

AKTS / İŞ YÜKÜ TABLOSU

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

HABERTÜM HABERLER

broadAngle İzmir Ekonomi Üniversitesi’nde

YENİ GÜZELBAHÇE KAMPÜSÜMÜZ

KÜRESEL KARİYER

BİLİME KATKI

İNSANA DEĞER

TOPLUMA FAYDA