GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS
MEEM-515 ÖRÜNTÜ TANIMA VE MAKİNE ÖĞRENİMİ Seçmeli Ders Grubu 1 1 6,00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Bu ders kapsamında temel olarak uzaktan algılama temellerinin verilmesi, elde edilen veriler üzerinde işaret, görüntü işleme, örüntü tanıma ve makine öğrenmesi yöntemlerinin öğretilmesi ve öğrencilerin bu alandaki matematiksel, bilimsel ve hesapsal analiz yeteneklerinin arttırılması amaçlanmaktadır. Bu bağlamda uzaktan algılama verilerinin elde edilmesi, özelliklerinin değerlendirilmesi, ön işleme adımlarının öğretilmesi (normalizasyon, gürültü giderimi, filtreleme, pekiştirme, boyut indirgeme vb…), özellik çıkarımı, modelleme, eğiticisiz ve eğiticili öğrenme konularının yansıra yarı-eğiticili, topluluk ve derin öğrenme konularına da değinilecektir.

Dersi Veren Öğretim GörevlisiGörevlileri

Dr. Öğr. Üyesi Özgür Tomak

Öğrenme Çıktıları

1 Öğrencilere uzaktan algılanan işaret ve görüntülerin orijini ve doğası hakkında temel altyapı verilmiş olacaktır
2 Öğrencilere uzaktan algılanan işaret ve görüntülerin temelleri ve uzaktan algılanan işaret ve görüntülerin analiz uygulamalarını öğrenmiş olacaktır.
3 Bilgisayar mühendisliği öğrencilerine, özellikle gelişen bu disiplinler arası alanda güçlü matematiksel ve algoritmik bilgiler kazandırılacaktır.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

Yok

Ders İçin Önerilen Diğer Hususlar

-

Dersin İçeriği

Uzaktan algılamada kullanılan temel işaret ve görüntü işleme yöntemleri; Uzaktan algılama verilerinde gürültü giderimi ve filtreleme; Uzaktan algılama verilerinde görüntü zenginleştirme; Doğrusal ve doğrusal olmayan boyut indirgeme yöntemleri; İstatistiksel, şekilbilimsel ve uzamsal öznitelik çıkarım yöntemleri; İşaret ve görüntü işlemede eğiticisiz öğrenme yöntemleri; İşaret ve görüntü işlemede eğiticili öğrenme yöntemleri; Yarı-eğiticili, topluluk ve derin öğrenme yöntemleri.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik Uygulama Laboratuvar
1 Sayısal işaret işleme temelleri, frekans analizi, örnekleme ve nicemleme
2 Sayısal işaret işleme temelleri, frekans analizi, örnekleme ve nicemleme
3 İşaret işlemede dönüşüm yöntemleri: DFT, DCT, STFT ve Dalgacık dönüşümü
4 İşaret işlemede dönüşüm yöntemleri: DFT, DCT, STFT ve Dalgacık dönüşümü
5 Ön işleme adımları
6 Ön işleme adımları
7 İşaret ve görüntü işleme temelleri, biçimsel, istatistiksel ve dönüşümsel özellik çıkarım yöntemleri I
8 Ara Sınav
9 İşaret ve görüntü işleme temelleri, biçimsel, istatistiksel ve dönüşümsel özellik çıkarım yöntemleri I
10 Görüntü işleme temelleri II: Boyut azaltma ve doğrusal/doğrusal olmayan dönüşüm yöntemleri
11 Uzaktan algılanan işaret ve görüntüler için örüntü tanıma ve makine öğrenmesinin temelleri
12 İşaret ve görüntülerin eğiticisiz öğrenme yöntemleriyle analizi
13 İşaret ve görüntülerin eğiticili öğrenme yöntemleriyle analizi
14 İşaret ve görüntülerin yarı-eğiticili, topluluk ve derin öğrenme yöntemleriyle analizi
15 Final

Ders Kitabı Malzemesi Önerilen Kaynaklar

José Luis Rojo‐Álvarez, Manel Martínez‐Ramón, Jordi Muñoz‐Marí, Gustau Camps‐Valls, "Digital Signal Processing with Kernel Methods", Wiley Online Library, 2018.

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Staj Durumu

-

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 1 1
Final Sınavı 1 1 1
Derse Katılım 14 3 42
Beyin Fırtınası 8 8 64
Bireysel Çalışma 14 3 42
Ara Sınav İçin Bireysel Çalışma 1 10 10
Final Sınavı içiin Bireysel Çalışma 1 15 15
Toplam İş Yükü (saat) 175

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ 1
ÖÇ 2
ÖÇ 3
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek