MEKATRONİK MÜHENDİSLİĞİ (İNGİLİZCE, TEZLİ) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
CMP5130 | Makine Öğrenimi ve Örüntü Tanıma | Güz Bahar |
3 | 0 | 3 | 12 |
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Öğretim Dili: | English |
Dersin Türü: | Departmental Elective |
Dersin Seviyesi: | LİSANSÜSTÜ |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR |
Dersi Veren(ler): |
Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR |
Opsiyonel Program Bileşenleri: | Yok |
Dersin Amacı: | Örüntü tanıma sistemleri ve bileşenleri, karar teorileri ve sınıflandırılması; diskriminant fonksiyonları; denetimli ve denetimsiz eğitim; kümeleme; özellik çıkarımı ve boyutsal azaltılması; ardışık ve hiyerarşik sınıflandırma, eğitim, özellik çıkarımı, ve mühendislik problemlerine karar kuralları uygulamaları. |
Bu dersi başarıyla tamamlayabilen öğrenciler; I. örüntü tanıma problemlerinin doğası ve doğal zorluklar anlamak II. Kavramları, ticaret-off ve farklı özellik türleri uygunluğu ve bu Bayes gibi sınıflandırma teknikleri, maksimum olabilirlik, vb anlamak III. Uygun bir sınıflandırma süreci, özellikleri ve istenen örüntü tanıma problemi çözmek için uygun sınıflandırıcı seçin. IV. Mevcut kaynakları kullanarak algoritma uygulama becerilerini sergilemek ve doğru yorumlamak ve örüntü tanıma terminolojiyi kullanarak açık ve kesin sonuçları iletişim kurabilmek V. örüntü tanıma algoritmaları matematiksel istatistik temelleri anlamak VI. Örüntü tanıma güncel araştırma ve gelişmiş konular değerlendirmek |
1.Density Based Clustering 2.Agglomerative Clustering 3.Cluster Evaluation 4.Cohesion, Separation, Cluster Tendency 5.Prototoype-Based Clustering 6.Fuzzy Clustering 7.Sparsification 8.Optimal Partitioning of Sparse Similarities Using Metis 9.Chamelon 10.Jarvis-Patris Clustering Algorithm 11.BIRCH 12.CURE 13.Combining Multiple Clusterings |
Hafta | Konu | Ön Hazırlık |
1) | Tekrar ve karar ağaçları | Yok |
2) | Olasılık Tekrarı | Yok |
3) | Örnek tabanlı öğrenme | Yok |
4) | Naive Bayes | Yok |
5) | Lojistik Regresyon | Yok |
6) | Doğrusal Regresyon | Yok |
8) | Yapay Sinir Ağları | Yok |
9) | Ara Sınav | Tekrar |
10) | Model Seçimi | Yok |
11) | K-means ve hiyerarşik topaklama | Yok |
12) | Topaklama için osalık modelleme | Yok |
13) | Yarı denetimli öğrenme | Yok |
14) | Takviyeli Öğrenme | Yok |
Ders Notları / Kitaplar: | Pattern Recognition and Machine Learning (Information Science and Statistics) by Christopher M. Bishop |
Diğer Kaynaklar: |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Projeler | 5 | % 10 |
Ara Sınavlar | 1 | % 40 |
Final | 1 | % 50 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışması | 14 | 6 | 84 |
Proje | 5 | 5 | 25 |
Ara Sınavlar | 1 | 20 | 20 |
Final | 1 | 20 | 20 |
Toplam İş Yükü | 191 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Mekatronik Mühendisliği konularında bilimsel araştırma yapma; bilgiyi değerlendirme, yorumlama ve uygulama becerilerini ve akademik altyapısını kazanır. | |
2) | Mekatronik Mühendisliği uygulamaları için gerekli modern yöntem ve teknikleri seçer uygular ve geliştirir. | |
3) | Mekatronik sistem, bileşen ve süreçlerin tasarımında yeni ve özgün fikir, yöntem ve çözümler geliştirir. | |
4) | Deney tasarlama, veri toplama, deney sonuçlarını analiz etme, raporlama ve uygulamaya aktarma becerisi kazanır. | |
5) | Bireysel ve ekip çalışması yapabilme, ekip üyeleriyle etkin iletişim ve yardımlaşma ve disiplinler arası çalışma yapabilme becerilerini kazanır. | |
6) | Sözlü ve yazılı etkin iletişim kurma becerisini; teknik yenilikleri ve terminolojiyi takip edebilecek düzeyde İngilizce dil bilgisini kazanır. | |
7) | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme ve aktarabilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi kazanır. | |
8) | Evrensel, toplumsal ve mesleki etik bilincine sahip olur. | |
9) | İş hayatına yönelik proje organizasyonu ve yönetimi ve hakkında bilgi; girişimcilik, yenilikçilik ve sürdürebilir kalkınma hakkında farkındalık kazanır. | |
10) | Evrensel ve toplumsal boyutlarda mekatronik mühendisliği uygulamalarının sağlık, çevre, güvenlik ve hukuksal etkileri üzerinde farkındalık kazanır. |