Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
---|---|---|---|---|---|
MEEM-515 | ÖRÜNTÜ TANIMA VE MAKİNE ÖĞRENİMİ | Seçmeli Ders Grubu | 1 | 2 | 6,00 |
Yüksek Lisans
Türkçe
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.
Dr. Öğr. Üyesi Özgür Tomak
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. |
Birinci Öğretim
Yok
-
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.
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 |
José Luis Rojo‐Álvarez, Manel Martínez‐Ramón, Jordi Muñoz‐Marí, Gustau Camps‐Valls, "Digital Signal Processing with Kernel Methods", Wiley Online Library, 2018.
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 |
-
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 |
ÖÇ 1 |
ÖÇ 2 |
ÖÇ 3 |