Bilgi Paketi

Bilgisayar Mühendisliği Doktora Programı

BİL622

AKILLI VERİ ANALİZİ

Ders Kodu
BİL622
Yarıyıl
-
Teori+Uygulama
3 + 0
AKTS
10
Dersin TürüSeçmeli
Dersin DüzeyiDoktora
Dersin Yılı-
Dersin Yarıyılı-
AKTS10
Öğretim Eleman(lar)ı -
Öğrenme Kazanımları

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.
Veriliş BiçimiYüz Yüze
ÖnkoşullarYok
Önerilen DerslerYok
Ders TanımıVeri analizi temelleri,Özellik azaltma,Öğreticili sınıflandırma,Perseptron algoritmaları,Doğrusal ayırıcılar,En yakın komşuluk,En büyük ihtimal kestirimi,Bayes çıkarımı,Destek vektör makinaları,Saklı Markov modelleri,Öğreticisiz yöntemler K-ortalama,Hiyerarşik kümeleme,Yakın gelişmeler
Ders İçeriği
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
KaynaklarPattern Classification 2nd. Edition., R.O. Duda, P.E. Hart & D.G. Stork, J. Wiley Inc., 2001
Öğretim Yöntemleri
  • Proje
Değerlendirme
Sayısı Toplam Katkısı (%)
Ara Sınav 1 30
Proje 1 30
Toplam(%) 60
Yıl İçinin Başarıya Oranı(%) 60
Finalin Başarıya Oranı(%) 40
Toplam(%) 100
AKTS İş Yükü
Aktivite Sayı Süre (Saat) İş Yükü
Ara Sınav 1 2 2
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi 14 11 154
Final Sınavına Hazırlık 1 69 69
Ders Saati 14 3 42
Ara Sınava Hazırlık 1 44 44
Laboratuvar
Final Sınavı 1 2 2
Ödevler
Toplam İş Yükü313
Toplam İş Yükü / 3010.43
Dersin AKTS Kredisi10
DilTürkçe
Staj / UygulamaYok
Ö1 Ö2 Ö3
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