Course Name Code Semester T+U Hours Credit ECTS
Örüntü Tanima BSM 456 8 3 + 0 3 5
Precondition Courses
Recommended Optional Courses
Course Language Türkçe / İngilizce
Course Level Lisans
Course Type Seçmeli
Course Coordinator Dr.Öğr.Üyesi SERAP KAZAN
Course Lecturers
Course Assistants
Course Category
Course Objective Günümüzde imalat sonrası kalite kontrol uygulamalarının büyük bir bölümü örüntü tanıma tekniklerini içermektedir. Enformasyon teknolojilerindeki gelişime paralel olarak parmak izi, imza, retina,ses ve yüz gibi kişisel tanımlama sistemlerinin tasarımında örüntü tanıma tekniklerinden yararlanılmaktadır. Kredi kartı başvuru değerlendirme sistemleri gibi sosyal içerikli konularda örüntü tanıma uygulamalarındandır.

Bu ders sonunda öğrencilerin örüntü tanıma kavramını anlamış olmaları ve yukarıda bahsi geçen uygulamalarda problem çözüm aşamalarını belirleyip gerekli araştırma sonrası algoritmalarını oluşturup yazılımını yapabilmesi hedeflenmektedir.
Course Content Örüntünün tanımı ve temel kavramlar. Pattern sınıfları. Özellik çıkartımı. Örüntü sınıflandırma teknikleri. İstatistiksel örüntü sınıflandırma. İstatistiksel karar verme kuramı. Makine öğrenmesine giriş. Makine öğrenmesi ile örüntü tanıma. Öğretmenli ve öğretmensiz öğrenme. Sınıflandırmada hata analiz yöntemleri. Uygulamalar (Parmak izi, endüstriyel parça, imza ve karakter tanıma)
# Course Learning Outcomes Teaching Methods Assessment Methods
1 Bir örüntü tanıma sistemini tasarlayabilmek Anlatım, Bireysel Çalışma, Problem Çözme, Proje Temelli Öğrenme , Sözlü Sınav, Ödev, Proje / Tasarım,
2 Örüntü tanımanın temellerini kavramak Anlatım, Alıştırma ve Uygulama, Proje Temelli Öğrenme , Sınav , Ödev, Proje / Tasarım,
3 Örüntü sınıflandırma yöntemlerini bilmek Anlatım, Alıştırma ve Uygulama, Bireysel Çalışma, Proje Temelli Öğrenme , Sınav , Ödev, Proje / Tasarım,
4 Güncel örüntü tanıma uygulamalarını bilmek Anlatım, Bireysel Çalışma, Sınav , Ödev,
Week Course Topics Preliminary Preparation
1 Örüntünün tanımaya giriş
2 Örüntünün tanıma sistemleri
3 Yapısal yöntemler
4 Bayes karar teorisi
5 Yapay Sinir Ağları ve Bulanık Mantık
6 Parzen çerçeveleri
7 Olasılıksal sinir ağı (PNN)
8 En yakın komşu sınıflandırıcıları
9 Lineer diskriminant analizi
10 Radyal temelli fonksiyon ağları (RBF)
11 RBF sınıflandırıcıları
12 RBF merkez seçme yöntemleri
13 Destek vektör makinesi (SVM)
14 Örnek Uygulamalar
Resources
Course Notes Ders Notları(EBS)
Course Resources 1-AWCOCK G.J. and THOMAS R., Applied Image Processing, McGraw-Hill, Inc., 1996.
2-TYETER D.R. The pattern recognition basis of artifical intelligence, California: IEEE Computer Society, 1998.
3-ALTUNER M., Dönüştürüceler, Erciyes Üniversitesi Mühendislik Fakültesi, 1996.
4-DEVROYE L. GYORFI L., LUGOSI G., "A Probabilistic Theory of Pattern Recognition", Springer-Verlag New York, 1996.
5-AKDENİZ F., Olasılık ve istatistik, Baki kitabevi, Adana, 1998.
6-JAHNE B., Digital Image Processing, Springer Verlag, Berlin, 2005.
Order Program Outcomes Level of Contribution
1 2 3 4 5
1 Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. X
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
4 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. X
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. X
6 Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, X
7 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
8 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. X
9 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. X
10 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
11 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. X
12 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
Evaluation System
Semester Studies Contribution Rate
1. Ara Sınav 65
1. Kısa Sınav 5
2. Kısa Sınav 5
1. Ödev 25
Total 100
1. Yıl İçinin Başarıya 50
1. Final 50
Total 100
ECTS - Workload Activity Quantity Time (Hours) Total Workload (Hours)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) 16 3 48
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) 16 3 48
Ara Sınav 1 10 10
Kısa Sınav 2 4 8
Ödev 1 8 8
Final 1 15 15
Total Workload 137
Total Workload / 25 (Hours) 5.48
dersAKTSKredisi 5