İŞLETME MÜHENDİSLİĞİ (TÜRKÇE, DOKTORA) | |||||
Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. 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: | İngilizce |
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) | - Yüksek lisans yeterliliklerine dayalı olarak alanındaki güncel ve ileri düzeydeki bilgileri özgün düşünce ve/veya araştırma ile uzmanlık düzeyinde geliştirebilme, derinleştirebilme ve alanına yenilik getirecek özgün tanımlara ulaşabilme. | |
2) | - Alanının ilişkili olduğu disiplinler arası etkileşimi kavrayabilme; yeni ve karmaşık fikirleri analiz, sentez ve değerlendirmede uzmanlık gerektiren bilgileri kullanarak özgün sonuçlara ulaşabilme. | |
3) | -Alanındaki yeni bilgileri sistematik bir yaklaşımla değerlendirebilme ve kullanabilme. | |
4) | - Alanına yenilik getiren, yeni bir düşünce, yöntem, tasarım ve/veya uygulama geliştirebilme ya da bilinen bir düşünce, yöntem, tasarım ve/veya uygulamayı farklı bir alana uygulayabilme, özgün bir konuyu araştırabilme, kavrayabilme, tasarlayabilme, uyarlayabilme ve uygulayabilme. | |
5) | -Yeni ve karmaşık düşüncelerin eleştirel analizini, sentezini ve değerlendirmesini yapabilme. | |
6) | - Alanı ile ilgili çalışmalarda araştırma yöntemlerini kullanabilmede üst düzey beceriler kazanmış olma. | |
7) | - Sosyal ilişkileri ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla inceleyebilme, geliştirebilme ve gerektiğinde değiştirmeye yönelik eylemleri yönetebilme. | |
8) | - Uzman kişiler ile alanındaki konuların tartışılmasında özgün görüşlerini savunabilme ve alanındaki yetkinliğini gösteren etkili bir iletişim kurabilme. | |
9) | - Bir yabancı dili en az Avrupa Dil Portföyü C1 Genel Düzeyi'nde kullanarak ileri düzeyde yazılı, sözlü ve görsel iletişim kurabilme ve tartışabilme. | |
10) | - Yaratıcı ve eleştirel düşünme, sorun çözme ve karar verme gibi üst düzey zihinsel süreçleri kullanarak alanı ile ilgili yeni düşünce ve yöntemler geliştirebilme. | |
11) | - Alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri tanıtarak, yaşadığı toplumun bilgi toplumu olma ve bunu sürdürebilme sürecine katkıda bulunabilme. | |
12) | - Alanı ile ilgili karşılaşılan sorunların çözümünde stratejik karar verme süreçlerini kullanarak işlevsel etkileşim kurabilme. | |
13) | - Alanı ile ilgili konularda karşılaşılan toplumsal, bilimsel, kültürel ve etik sorunların çözümüne katkıda bulunabilme ve bu değerlerin gelişimini destekleyebilme. | |
14) | - Alanına yenilik getiren, yeni bir düşünce, yöntem, tasarım ve/veya uygulama geliştiren ya da bilinen bir düşünce, yöntem, tasarım ve/veya uygulamayı farklı bir alana uygulayan özgün bir çalışmayı bağımsız olarak gerçekleştirerek alanındaki ilerlemeye katkıda bulanabilme. | |
15) | - Alanı ile ilgili en az bir bilimsel makaleyi ulusal ve/veya uluslar arası hakemli dergilerde yayınlayarak ve/veya özgün bir yapıt üreterek ya da yorumlayarak alanındaki bilginin sınırlarını genişletebilme. | |
16) | - Özgün ve disiplinlerarası sorunların çözümlenmesini gerektiren ortamlarda liderlik yapabilme. |