| DERSİN TÜRÜ | Seçmeli |
| DERSİN DÜZEYİ | Doktora |
| DERSİN YILI | - |
| YARIYIL | Program Ders Listesi-------- |
| AKTS | 10 |
| ÖĞRETİM ELEMAN(LAR)I | -
|
| DERSİN ÖĞRENME KAZANIMLARI |
Bu dersin sonunda öğrenciler;
1) İstatistiksel veri analizinin temel prensiplerini öğrenir.
2) Örüntü tanıma programları geliştirme ve bunları kullanma pratiği kazanır.
3) Örüntü tanıma tekniklerini problem çözmek için kullanma yeteneği kazanır.
|
| DERSİN VERİLİŞ BİÇİMİ | Yüz Yüze |
| DERSİN ÖNKOŞULLARI | Yok |
| ÖNERİLEN DERSLER | Yok |
| DERS İÇERİĞİ | | HAFTA | KONULAR |
|---|
| 1. Hafta | Veri analizi temelleri | | 2. Hafta | Özellik azaltma | | 3. Hafta | Öğreticili sınıflandırma | | 4. Hafta | Perseptron algoritmaları | | 5. Hafta | Doğrusal ayırıcılar | | 6. Hafta | En yakın komşuluk | | 7. Hafta | En büyük ihtimal kestirimi,Bayes çıkarımı | | 8. Hafta | Ara-sınav | | 9. Hafta | Destek vektör makinaları | | 10. Hafta | Saklı Markov modelleri | | 11. Hafta | Öğreticisiz yöntemler | | 12. Hafta | K-ortalama | | 13. Hafta | Hiyerarşik kümeleme | | 14. Hafta | Yakın gelişmeler |
|
| ZORUNLU YA DA ÖNERİLEN KAYNAKLAR | Pattern Classification 2nd. Edition., R.O. Duda, P.E. Hart & D.G. Stork, J. Wiley Inc., 2001 |
| ÖĞRETİM YÖNTEM VE TEKNİKLERİ | Proje |
| DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ | | | Sayısı | Toplam Katkısı(%) |
|---|
| Ara Sınav | 1 | 30 | | Proje | 1 | 30 | | Toplam(%) | | 60 | | Yıl İçinin Başarıya Oranı(%) | | 60 | | Finalin Başarıya Oranı(%) | | 40 | | Toplam(%) | | 100 |
|
| DİL | Türkçe |
| STAJ / UYGULAMA | Yok |
| | |
