Anasayfa  »  Fen Bilimleri Enstitüsü »  Bilgisayar Mühendisliği Doktora Programı

DERS ADIDERS KODUYARIYILTEORİ1 + UYGULAMA (Saat)AKTS
AKILLI VERİ ANALİZİ BİL622 --Program Ders Listesi------ 3 + 0 10

DERSİN TÜRÜSeçmeli
DERSİN DÜZEYİDoktora
DERSİN YILI-
YARIYIL--Program Ders Listesi------
AKTS10
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 BİÇİMİYüz Yüze
DERSİN ÖNKOŞULLARIYok
ÖNERİLEN DERSLERYok
DERS İÇERİĞİ
HAFTAKONULAR
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 KAYNAKLARPattern Classification 2nd. Edition., R.O. Duda, P.E. Hart & D.G. Stork, J. Wiley Inc., 2001
ÖĞRETİM YÖNTEM VE TEKNİKLERİProje
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
 SayısıToplam Katkısı(%)
Ara Sınav130
Proje130
Toplam(%)60
Yıl İçinin Başarıya Oranı(%)60
Finalin Başarıya Oranı(%)40
Toplam(%)100
DİLTürkçe
STAJ / UYGULAMAYok
  

PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ
Ö1Ö2Ö3
P1  X   X   X
P2     
P3  X   X  
P4  X   X  
P5  X   X  
P6  X   X   X
P7     
P8  X   X   X
P9     
P10     
P11     
P12