Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS
BMT502 MEDİKAL ÖRÜNTÜ TANIMA 3,00 0,00 0,00 3,00 6,00

Ders Detayı
Dersin Dili : İngilizce
Dersin Seviyesi : Yüksek Lisans
Ön Koşullar : Yok
Dersin Amacı : Öğrenciye Matlab uygulamaları ile tüm örüntü tanıma basamaklarını öğretmek
Dersin İçeriği : Veri toplama, önişleme (normalleştirme, gürültüden arındırma, vb.), öznitelik çıkarma (tanımlayıcı istatistik, FFT, Dalgacık, vb.), öznitelik seçimi (istatistiksel yöntemler, GA, vb.), sınıflandırma ve kümeleme (Bayes, kNN, MLP, SVM, k-Means, Fuzzy, vb.), model değerlendirme (Validasyon)
Dersin Kitabı / Malzemesi / Önerilen Kaynaklar : S. Theodoridis and K. Koutroumbas, "An Introduction to Pattern Recognition"<br />S. Theodoridis and K. Koutroumbas, "Pattern Recognition"<br />Duda, Hart, Stork, "Pattern Classification"<br />A.K. Jain, R.P.W. Duin, J. Mao, "Statistical Pattern Recognition: A Review" - IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 1, pages 4-37, January 2000.
Planlanan Öğrenme Etkinlikleri ve Öğretme Yöntemleri : Ders sunumları, öğrenci projesi, sınavlar
Ders İçin Önerilen Diğer Hususlar : Temel Matlab ve sinyal bilgisi, Sinyal işleme veya sinyaller - sistemler gibi bir ders almış olmak
Dersi Veren Öğretim Elemanları : Doç. Dr. Yalçın İşler
Dersi Veren Öğretim Elemanı Yardımcıları : Yok
Dersin Verilişi : Ders sunumları, öğrenci projesi

  • 1 Veri toplama tekniklerini öğrenmek
  • 2 Veri içindeki gizli bilgiyi çıkarmak için öznitelik çıkarma yöntemlerini öğrenmek
  • 3 Öznitelik seçme tekniklerini kavramak
  • 4 Sınıflandırma ve kümeleme algoritmaları ile veri ayrıştırmayı anlamak
  • 5 Sıfırdan bir sınıflandırma veya kümeleme çalışması gerçekleştirebilmek

Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS

Teorik Uygulama Laboratuvar Hazırlık Bilgileri Öğretim Metodları
1.Hafta *Temel kavramlar
2.Hafta *Veri elde etme ve tanımlama yöntemleri
3.Hafta *Veri önişleme yöntemleri
4.Hafta *Öznitelik çıkarma yöntemleri
5.Hafta *Öznitelik çıkarma yöntemleri
6.Hafta *Öznitelik çıkarma yöntemleri
7.Hafta *Öznitelik seçimi yöntemleri
8.Hafta *Öznitelik seçimi yöntemleri
9.Hafta *Sınıflandırma ve Kümeleme yöntemleri
10.Hafta *Sınıflandırma ve Kümeleme yöntemleri
11.Hafta *Sınıflandırma ve Kümeleme yöntemleri
12.Hafta *Performans değerlendirme yöntemleri
13.Hafta *Ara sınav ve tartışma
14.Hafta *Öğrenci raporlarının değerlendirilmesi
15.Hafta *Final sınavı

  • 1 Ara Sınav (Bütünlemede Kullanılan) : 40,000
  • 2 Final : 60,000

Aktiviteler Sayı Süresi(Saat) Toplam İş Yükü
Vize 1 2,00 2,00
Derse Katılım 14 3,00 42,00
Final 1 2,00 2,00
Ders Öncesi Biresysel Çalışma 14 1,00 14,00
Ara Sınav Hazırlık 1 24,00 24,00
Final Sınavı Hazırlık 1 24,00 24,00
Araştırma Sunumu 1 72,00 72,00
Toplam : 180,00
Toplam İş Yükü / 30 ( Saat ) : 6
AKTS : 6,00