Dersin Bilgileri

Dersin Adı	Türkçe	Örüntü Tanıma
	İngilizce	Pattern Recognition
Dersin Kodu	BLG 601E	Kredi	Ders (saat/hafta)	Uygulama (saat/hafta)	Labratuvar (saat/hafta)
Dönem	2	3	3	-	-
Dersin Dili		İngilizce
Dersin Koordinatörü		Zehra Çataltepe
Dersin Amaçları		Bu ders öğrencilere makine öğrenmesini/örüntü tanımada kullanılan yöntemleri matematiksel olarak daha derin bir şekilde öğretecektir. Öğrenciler kendi yazacakları programlarla ve araştırma ile pratik ve teorik tecrübe kazanacaklardır.
Dersin Tanımı		Giriş, matematiksel altyapı tekrarı; Örüntü tanımanın temelleri; Olasılık dağılımları; Regresyon için lineer modeller; Sınıflandırma için lineer modeller; Yapay Sinir Ağları; Çekirdek Yöntemleri; Spars Çekirdek Yöntemleri; Çizgesel Modeller; Karışım modelleri ve EM; Sürekli Bağımlı Değişkenler; Modellerin Birleştirilmesi; Sıralı veri; Yaklaşık olarak çıkarsama; Örnekleme yöntemleri
Dersin Çıktıları		I. Bir problemin çözümü için örüntü tanıma yöntemi önerebilme II. Değişik örüntü tanıma yöntemlerinin performanslarını analiz edebilme III. Değişik örüntü tanıma yöntemlerinin sonuçlarını birleştirebilme IV. Değişik örüntü tanıma yöntemlerininin teorik ve algoritmik olarak nasıl çalıştıklarını anlayabilme V. Bir örüntü tanıma yönteminde değişiklik yaparak yeni problemlere uyarlayabilme
Önkoşullar		Probability and Statistics, Yuksek lisans seviyesinde yapay öğrenme/örüntü tanıma dersi almış olmak, java ya da matlab gibi bir dilde kod yazabilmek, İngilizce makale okuyup anlayabilmek ve yazabilmek.
Gereken Olanaklar
Diğer		ders kitabi, bilgisayar
Ders Kitabı		CHRIS BISHOP, PATTERN RECOGNITION AND MACHINE LEARNING, SPRINGER 2006.
Diğer Referanslar		ETHEM ALPAYDIN, “INTRODUCTION TO MACHINE LEARNING (ADAPTIVE COMPUTATION AND MACHINE LEARNING)”, THE MIT PRESS, 2004 PATTERN CLASSIFICATION, 2ND EDITION, RICHARD O. DUDA, PETER E. HART, AND DAVID G. STORK, 2000, WILEY

Dersler

Yardım

Hakkında