DERS TANITIM ve UYGULAMA BİLGİLERİ
| Dersin Adı |
Kodu |
Yarıyıl |
T+U+L (saat/hafta) |
Türü (Z / S) |
Yerel Kredi |
AKTS |
| Örüntü Tanıma |
EE 607 |
Güz |
03+00+00 |
Seçmeli |
3 |
7.5 |
| Akademik Birim: |
|
| Öğrenim Türü: |
Örgün eğitim |
| Ön Koşullar |
Olasılık ve Rasgele Süreçler |
| Öğrenim Dili: |
İngilizce |
| Dersin Düzeyi: |
Doktora |
| Dersin Koordinatörü: |
Serhat ERKÜÇÜK |
| Dersin Amacı: |
Bu dersin amacı istatistiksel sınıflandırma yöntemlerini Örüntü Tanıma alanı içinde öğretmektir. |
| Dersin İçeriği: |
Örüntü tanımaya giriş, Bayes karar teorisi, Üretici yöntemler, Ayrımcı yöntemler |
| Dersin Öğrenme Çıktıları (ÖÇ): |
|
| Dersin Öğrenme Yöntem ve Teknikleri |
Sözlü anlatım, bilgisayar uygulamaları, proje |
HAFTALIK PROGRAM
Kadir Has Üniversitesi'nde bir dönem 14 haftadır, 15. ve 16. hafta sınav haftalarıdır.
ZORUNLU ve ÖNERİLEN OKUMALAR
| Pattern Recognition and Machine Learning, C. M. Bishop, 2006, Springer |
DİĞER KAYNAKLAR
DEĞERLENDİRME SİSTEMİ
| Yarıyıl İçi Çalışmaları | Sayı | Katkı Payı (%) |
| Total: |
0 |
0 |
İŞ YÜKÜ HESAPLAMASI
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|
| Toplam İş Yükü (saat): | 0 |
1 AKTS = 25 saatlik iş yükü
PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ
| # |
PY1 |
PY2 |
PY3 |
PY4 |
PY5 |
PY6 |
PY7 |
PY8 |
PY9 |
PY10 |
PY11 |
PY12 |
Katkı Düzeyi: 1 Düşük, 2 Orta, 3 Yüksek
