Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
Bilgisayar Görmesi Uygulamaları BSM 512 0 3 + 0 3 6
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili Türkçe
Dersin Seviyesi YUKSEK_LISANS
Dersin Türü Seçmeli
Dersin Koordinatörü Dr.Öğr.Üyesi SERAP ÇAKAR KAMAN
Dersi Verenler
Dersin Yardımcıları
Dersin Kategorisi Diğer
Dersin Amacı Öğrenciler yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını, bilgisayar görmesine dayalı uygulamalar ile birlikte bu derste öğrenecektir. Günümüz otomasyon endüstrisinde önemli uygulama alanları bulmuş olan makine öğrenmesi ve makine görmesi yönünden gerekli tasarımların yapılıp yazılımların hazırlanabilmesi hedeflenmiştir.
Dersin İçeriği Makine öğrenmesine giriş. Kavramların öğrenilmesi. Verilerin yapılandırılması ve kodlanması.. Hipotezlerin değerlendirilmesi. Yapay sinir ağlarında ve karma sistemlerde öğrenme. Öğrenmede verimlilik ve hata analiz yöntemleri. Makine öğrenmesinde güvenilirliğin artırılması. Pattern tanıma ve sınıflandırma sistemleri. Öznitelik çıkartım teknikleri: İkili kodlamaya dayalı, sınırlara dayalı, bölgesel ve matematiksel morfolojiye dayalı özellikler. İmza, parmak izi, cisim vb. tanıma sistemlerinde öznitelik vektörleri ve sınıflayıcı tasarımları. Algılayıcılar, görüntü yakalama kartları ve diğer makine görmesi donanım elemanları. Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımı. Otomatik hata analizi yapan üretim sistemleri.
# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1 Yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını öğrenir Anlatım, Gezi / Gözlem, Gözlem, Soru-Cevap, Tartışma,
2 Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımını öğrenir Tartışma, Soru-Cevap, Gözlem, Gezi / Gözlem, Anlatım,
3 Verilerin yapılandırılması ve kodlanmasını öğrenir Tartışma, Soru-Cevap, Gözlem, Anlatım,
Hafta Ders Konuları Ön Hazırlık
1 Makine öğrenmesine giriş
2 Görüntülerin gösterilmesi
3 İstatistiksel işlemler
4 Filtreleme ve kenar bulma
5 Korelasyon ve iki boyutlu dönüşümler
6 Parçalara ayırma
7 Örüntü tanıma sistemleri
8 Yapısal yöntemler
9 Bayes karar teorisi
10 Parzen çerçeveleri
11 Olasılıksal sinir ağı (PNN)
12 En yakın komşu sınıflandırıcıları
13 Lineer diskriminant analizi
14 Radyal temelli fonksiyon ağları (RBF)
Kaynaklar
Ders Notu
Ders Kaynakları - Artificial Intelligence and Statistical Pattern Recognition, Edward A. Patrick, James M. Fattu, Prentice-Hall Inc., 1986.
-Neural networks and fuzzy systems : a dynamical systems approach to Machine Intelligence, Bart Kosko, Prentice Hall, 1992.
- Applied Image Processing, G.J. Awcock, R. Thomas, McGrow-Hill Inc., 1996.
- Neuro-Fuzzy and Soft Computing = A Computational Approach Learning and Machine Intelligence, Jyh-Shing Roger Jang, Chuen-Tsai Sun, Eiji Muzutani, Pearson Education, 1996.
-Machine Vision: Theory, Algorithms, Practicalities, E.R. Davies, Academic Press, 1997.
Sıra Program Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır.
2 Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular.
3 Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır.
4 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
5 Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır.
6 Bilgi ve İletişim Teknolojileri konularında ileri uygulamaları yapacak düzeyde genişlemesine ve derinlemesine bilgi sahibidir.
7 Tanımlanmış bilgi ve iletişim teknolojileri problemlerini çözmek için yöntem geliştirir ve bu yenilikçi yöntemleri uygular.
# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7
1 Yapay zekanın, makine veya elektronik cihazlarla bütünleşmesinin teorik ve teknik yapısını öğrenir
2 Yapay sinir ağları ile endüstriyel bir cisim sınıflandırma sistemi tasarımını öğrenir
3 Verilerin yapılandırılması ve kodlanmasını öğrenir
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Ara Sınav 100
Toplam 100
1. Yıl İçinin Başarıya 50
1. Final 50
Toplam 100
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)
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 20 20
Final 1 25 25
Toplam İş Yükü 141
Toplam İş Yükü / 25 (Saat) 5,64
Dersin AKTS Kredisi 6