| Ders Kodu | Ders Adı | Teorik | Uygulama | Laboratuvar | Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| BİL475 | Örüntü Tanıma | 3,00 | 0,00 | 0,00 | 3,00 | 5,00 |
| Dersin Dili | : | Türkçe |
|---|---|---|
| Dersin Seviyesi | : | Lisans |
| Dersin Tipi | : | Seçmeli |
| Ön Koşullar | : | Yok |
| Dersin Amacı | : | Bu dersin amacı öğrencinin Bayes karar teorisi, doğrusal ayırtaçlar, karar ağaçları, en yakın komşu kümelemesi, yapay sinir ağları gibi temel örüntü tanıma yaklaşımlarına aşina olmasını sağlamaktır. |
| Dersin İçeriği | : | Bayes karar teorisi. Sınıflandırıcılar, doğrusal ayırtaçlar ve karar verme yüzeyleri. Parametre kestirimi. Saklı Markof modelleri. En yakın komşu kümelemesi. Doğrusal ayırtaçlar. Yapay sinir ağları. Karar ağaçları. Sıradüzensel kümeleme. Öz düzenleyici özellik haritaları. |
| Dersin Kitabı / Malzemesi / Önerilen Kaynaklar | : | 1. 1. R. Schalkoff, Pattern Recognition: Statistical, Structural and Neural Approaches, Wiley, 1991. 2. 2. S.Theodoridis, K. Koutroumbas, Pattern Recognition, Elsevier, 2003. 3. 3. L. I. Kuncheva, Combining Pattern Classifiers: Methods and Algorithms, Wiley, 2004. |
| Planlanan Öğrenme Etkinlikleri ve Öğretme Yöntemleri | : | Haftalık işlenecek dersin yanı sıra, dönem boyunca teorik içerikle ilgili ödevler ve sınavlar olacaktır. |
| Ders İçin Önerilen Diğer Hususlar | : | Haftalık tekrar yapılıp ve sıradaki derse ön çalışma yapılıp gelinmesi önerilmektedir. |
| Dersi Veren Öğretim Elemanları | : | Dr. Öğr. Üyesi Nurullah Çalık |
| Dersi Veren Öğretim Elemanı Yardımcıları | : | Dersin Öğretim Elemanı Yardımcıları bulunmamaktadır. |
| Dersin Verilişi | : | Yüz yüze örgün eğitim. |
| En Son Güncelleme Tarihi | : | 23.12.2025 14:40:22 |
| Dosya İndirilme Tarihi | : | 19.07.2026 |
| Ders Kodu | Ders Adı | Koşul | Teorik | Uygulama | Laboratuvar | Yerel Kredi | AKTS |
|---|
| Teorik | Uygulama | Laboratuvar | Hazırlık Bilgileri | Öğretim Metodları | Dersin Öğrenme Çıktıları | |
|---|---|---|---|---|---|---|
| 1.Hafta | *Örüntü Tanıma Giriş |
|||||
| 2.Hafta | *Vektör ve Matrisler , Doğru, Üst Düzlem, Hiperküre |
|||||
| 3.Hafta | *Temel Olasılık |
|||||
| 4.Hafta | *Bayes karar teorisi |
|||||
| 5.Hafta | *k-NN Sınıflandırıcısı |
|||||
| 6.Hafta | *Skor Metrikleri: Doğruluk, Hata Matrisi, Hassasiyet, Kesinlik ve F-Skoru |
|||||
| 7.Hafta | *Doğrusal Regresyon, RANSAC Algoritması ve Regresyon Metrikleri: MSE, MAE, RME |
|||||
| 8.Hafta | *Ara sınav |
|||||
| 9.Hafta | *Gradyan İniş Algoritması |
|||||
| 10.Hafta | *Yapay Sinir Ağlar-1 |
|||||
| 11.Hafta | *Yapay Sinir Ağları-2 |
|||||
| 12.Hafta | *Destek Vektör Makineleri-1 |
|||||
| 13.Hafta | *Destek Vektör Makineleri-2 |
|||||
| 14.Hafta | *Kümeleme Algoritmaları: k-Means, DBSCAN |
|||||
| 15.Hafta | *Temel Bileşen Analizi ve Doğrusal Diskriminant Analizi |
| Aktiviteler | Sayı | Süresi(Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ödev | 3 | 10,00 | 30,00 |
| Derse Katılım | 14 | 3,00 | 42,00 |
| Ders Sonrası Bireysel Çalışma | 14 | 6,00 | 84,00 |
| Ara Sınav Hazırlık | 1 | 20,00 | 20,00 |
| Final Sınavı Hazırlık | 1 | 30,00 | 30,00 |
| Toplam : | 206,00 | ||
| Toplam İş Yükü / 30 ( Saat ) : | 7 | ||
| AKTS : | 5,00 | ||
| Ö.Ç. 1 | 5 | 5 | 3 | 3 | 5 | 4 | 3 | 3 | 2 | 3 | 2 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ö.Ç. 2 | 5 | 5 | 5 | 2 | 5 | 3 | 2 | 1 | 3 | 3 | 2 |
| Ö.Ç. 3 | 5 | 5 | 5 | 5 | 3 | 5 | 4 | 2 | 3 | 3 | 2 |
| Ö.Ç. 4 | 4 | 4 | 3 | 3 | 4 | 4 | 2 | 2 | 3 | 4 | 2 |
| Ö.Ç. 5 | 4 | 4 | 2 | 4 | 3 | 4 | 3 | 2 | 4 | 4 | 2 |
| Ortalama | 4,60 | 4,60 | 3,60 | 3,40 | 4,00 | 4,00 | 2,80 | 2,00 | 3,00 | 3,40 | 2,00 |