DERS BİLGİLERİ
Ders Kodu Yarıyıl Ders Süresi Kredi AKTS
Statistical Learning Methods and Pattern Recognition EE   002 2 3 3 6

Ön Koşul Dersleri
Ders Hakkında Önerilen Diğer Hususlar None

Dersin Dili Türkçe
Dersin Seviyesi Yüksek Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Doç.Dr. Turgay İBRİKÇİ
Dersi Verenler
 
Dersin Yardımcıları
Dersin Amacı
Yapay Sinir Ağları dersindeki İlerleme Konusunun amacı, Sinir Ağları dersine giriş bölümünde yer alan materyali genişletmektir ( EE589 ). Grafiksel modellerde kesin ve yaklaşık çıkarım, boyutsallık azaltma ve bileşen analizi yöntemleri, gizli değişken modeller, belge ve sözcük modelleri, zaman serisi modelleri ve derin sinir ağlarından seçilen konu gibi YSA'deki özel konulara odaklanır. Elbette (her öğrenci) sunum ve tartışmalardan oluşacaktır. Öğrenciler tartışmalara, sunumlara ve bir makale veya bir konferans bildirisi olacak projelere katılımlarına göre değerlendirilecektir.
Dersin İçeriği
Araştırma sonuçlarının tartışılması, Parametre Optimizasyon Algoritmaları, Öğrenme ve Genelleme, Bayesian Teknikleri, Karışım Modelleri ve Yapay Sinir Ağları Uygulamaları.

Dersin Öğrenme Kazanımları
1) Teorik bilgi
2) Kullanmak için gereken temel sezgiler
3) Zorlu problemlere karşı etkili makine öğrenme çözümleri geliştirin.
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)


DERSİN PROGRAM KAZANIMLARINA KATKISI
NoTemel öğrenme KazanımlarıKatkı Düzeyi
12345
1
Elektrik-elektronik mühendisliğinin temellerini oluşturan dalların en az birinde, bilgi düzeyini lisans düzeyinin ötesine çıkararak uzmanlaşabilme.
X
2
Uzmanlaştığı alanın içerdiği tüm konuların birlikte oluşturduğu bütünlüğü kavrayabilme.
X
3
Uzmanlaştığı alandaki mevcut bilimsel literatüre hakim olabilme ve takip edebilme
X
4
Alanının, ilişkili olduğu diğer dallarla olan disiplinlerarası etkileşimini kavrayabilme
X
5
Kuramsal veya deneysel çalışma yapma becerisine sahip olabilme
X
6
Araştırma sonucunda edinilen bilgileri derleyerek bütünlüklü bir bilimsel metin oluşturabilme
X
7
Tez konusu üzerinde, danışmanının belirlediği çerçeve içinde, konunun gerektirdiği mantıksal bütünlüğe uygun olarak, programlı bir şekilde çalışabilme.
X
8
Bilimsel veri tabanlarında literatür araştırması yapabilme; özelde, veri tabanlarını uygun ve doğru şekilde tarama ve listelenen unsurları değerlendirme, kategorize edebilme.
X
9
Uzmanlık alanında İngilizce olarak yazılmış bir bilimsel metni rahatlıkla okuyup anlayacak düzeyde İngilizce bilme
X
10
Uzmanlıştığı konudaki bilgileri, bir sunum formatında derleyip, anlaşılır ve etkin bir şekilde sunabilme.
X
11
Bildiği bir programlama dilinde genelde belirli bir amaca yönelik, özelde uzmanlık alanı ile ilgili olan bir bilgisayar programı yazabilme
X
12
Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda yol gösterici olabilme, insiyatif alabilme
X
13
Uygun bir dil ve tarz ile insanlarla iletişim kurabilme
X
14
Uzmanlık alanı ile ilgili konularda proje, politika, süreç üretebilme ve bu öğeleri değerlendirme
X
15
Mevcut araştırma deneyimine dayanarak yeni konularda da araştırma yapabilme
X

DERS AKIŞI
HaftaKonularÖn Hazırlık Yöntem
1 İstatistiksel Öğrenme Ayarı İlgili konuları çalışmak
2 Düzenli En Küçük Kareler İlgili konuları çalışmak
3 Özellikler ve Kabuklar İlgili konuları çalışmak
4 İstatistik Öğrenme I İlgili konuları çalışmak
5 İstatistik Öğrenme II İlgili konuları çalışmak
6 Yerel Meotlar İlgili konuları çalışmak
7 Gizlilik ve Bilgi-Teorik İstikrar İlgili konuları çalışmak
8 Ara Sınav Bu hafaya kadar olan konuları çalışmak
9 Derin Öğrenme Kuramı Yaklaşım İlgili konuları çalışmak
10 Derin Öğrenme Kuramı: Optimizasyon İlgili konuları çalışmak
11 Derin Öğrenme Kuramı: Genelleme İlgili konuları çalışmak
12 Seminer ve Sunumlar Sunumları hazırlamak
13 Seminer ve Sunumlar Sunumları hazırlamak
14 Seminer ve Sunumlar Sunumları hazırlamak
15 Seminer ve Sunumlar Sunumları hazırlamak
16-17 Yarıyıl Sonu Sınavları Bütün konuları çalışmak

KAYNAKLAR
Ders Notu
Diğer Kaynaklar