Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi

Bu dersin amacı örüntü tanımanın teorik temellerini ve modern uygulamaları hakkında temel bilgiler vermektir. Bu ders lisans üstü ve dördüncü sınıf lisans öğrencileri için uygundur.

-

Örüntü tanımaya giriş; Bayesçi Karar Teorisi; Bayesçi parametre kestirimi; parametrik olmayan yöntemler; öznitelik seçme ve azaltma; Bayesçi olmayan sınıflandırıcılar (K-en yakın komşu, doğrusal ayrıştırıcı fonksiyonlar, destek vektör makineleri), doğrusal regresyon, mantıksal regresyon, düzenlileştirme, kümeleme, saklı Markov modeller, karar ağaçları, yapay sinir ağları

Ders notları, ders kitapları, ödevler, proje sunumu

-

İngilizce

• Pattern Classification, 2nd Edition, R. O. Duda, P. E. Heart, D. G. Stork, Wiley, 2000. • Introduction to Machine Learning, Ethem Alpaydın, MIT Press, 2014.

-

• Bayesçi karar teorisinin temellerini açıklamak.
• Parametrik ve parametrik olmayan yoğunluk kestirim yöntemlerini açıklamak.
• Temel öznitelik seçme ve azaltma yöntemlerini uygulamak.
• Temel sınıflandırma yöntemlerini açıklamak ve uygulamak (SVM, HMM, karar ağaçları, Naif Bayes)
• Temel kümeleme yöntemlerini açıklamak ve uygulamak.