DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	5
ÖĞRETİM ELEMAN(LAR)I	-
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Örüntü tanımanın temel prensiplerini öğrenir. 2) Makine öğrenme yöntemlerini tanır. 3) Örüntü tanıma programları geliştirme ve bunları kullanma pratiği kazanır. 4) Örüntü tanıma tekniklerini problem çözmek için kullanma yeteneği kazanır.
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER	Yok
DERS TANIMI	Bir, iki veya daha fazla boyutlu örüntüler için makine öğrenmesi. İstatiksel ve dilsel yaklaşımlar. Bayes karar teoremi, karar sınırları, sınıflandırıcılar, ayırtaç işlevleri, parametre kestirimi. Kümeleme. Öznitelik seçip çıkarma. Örüntü tanımada yapısal yaklaşımlar. Sinir ağları tanıyıcılar.
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Örüntü tanımaya giriş 2. Hafta Veri ve öznitelik temelleri 3. Hafta Veri önişleme ve normalizasyon 4. Hafta Öznitelik çıkarımı 5. Hafta Öznitelik seçimi, örnek bölütleme 6. Hafta Kümeleme temelleri 7. Hafta Sınıflandırma temelleri 8. Hafta Ara Sınav 9. Hafta Regresyon temelleri 10. Hafta Performans değerlendirme ölçütleri 11. Hafta Örüntü tanımada güncel konular - I 12. Hafta Örüntü tanımada güncel konular - II 13. Hafta Sunumlar 14. Hafta Sunumlar
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	1. Pattern Classification 2nd. Edition., R.O. Duda, P.E. Hart & D.G. Stork, J. Wiley Inc., 2001
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Anlatım,Soru-Cevap,Sorun/Problem Çözme,Deney,Eğitim-Uygulama,Proje,Rapor Hazırlama,Sunum,Diğer
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 30 Ödev 1 10 Mini-Sınav 3 10 Proje 1 10 Toplam(%) 60 Yıl İçinin Başarıya Oranı(%) 60 Finalin Başarıya Oranı(%) 40 Toplam(%) 100
DİL	Türkçe
STAJ / UYGULAMA	Yok