Türkçe English Ders İçerik Rapor
Ders Öğretim Planı
İSTATİSTİKSEL NESNE ANALİZİ VE SINIFLANDIRMA
1 Dersin Adı: İSTATİSTİKSEL NESNE ANALİZİ VE SINIFLANDIRMA
2 Dersin Kodu: ELN6415
3 Dersin Türü: Seçmeli
4 Dersin Seviyesi: Doktora
5 Dersin Verildiği Yıl: 1
6 Dersin Verildiği Yarıyıl: 1
7 Dersin AKTS Kredisi: 6
8 Teorik Ders Saati (saat/hafta): 3
9 Uygulama Ders Saati (saat/hafta): 0
10 Laboratuar Ders Saati (saat/hafta): 0
11 Dersin Önkoşulu -
12 Ders İçin Önerilen Diğer Hususlar Yok
13 Dersin Dili: Türkçe
14 Dersin Veriliş Şekli Yüz yüze
15 Dersin Koordinatörü: Doç. Dr. ERSEN YILMAZ
16 Dersi Veren Diğer Öğretim Elemanları: -
17 Ders Koordinatörünün İletişim Bilgileri: Doç. Dr. Ersen Yılmaz
E-posta:ersen@uludag.edu.tr
Tel: (224) 294 2032
Adres: Elektronik Mühendisliği Bölümü 4. Kat, No:424
18 Dersin Web Adresi: http://home.uludag.edu.tr/~ersen
19 Dersin Amacı Bu ders çok boyutlu karar uzaylarında olasılıksal modelleme, İstatistiksel analiz, sınıflandırma ve hata analizi konuları ile ilgili temel prensipleri ve güncel teknikleri vermeyi amaçlamaktadır.
20 Dersin Mesleki Gelişime Katkısı: Çalıştığı alan ile ilgili bilgilere ulaşma ve yorumlama yeteneği kazanmasını sağlar.
21 Ders Öğrenme Kazanımları
1 İstatistiksel Nesne Analizi ve Sınıflandırmada güncel literatürü takip edebilme, teknik sunu yapabilme, dinleme ve akademik düzeyde makale yazabilme. ;
2 Matematik, fen ve mühendislik bilgilerini İstatistiksel Nesne Analizi ve Sınıflandırmada ileri araştırmalarda kullanabilme.;
3 İstatistiksel Nesne Analizi ve Sınıflandırma problemlerini çözebilecek özgün bir sistemi analiz edebilme, tasarlayabilme ve/veya gerçekleyebilme.;
4 İstatistiksel Nesne Analizi ve Sınıflandırma konuları hakkında yenilikçi ve sorgulayıcı düşünebilme ve özgün yollar bulabilme becerisi.;
22 Dersin İçeriği
Hafta Teori Uygulama
1 İstatistiksel Nesne Analizi ve Sınıflandırmada temel kavramlar.
2 Çok boyutlu olasılık dağılımları.
3 Çok boyutlu olasılık dağılımları.
4 Çok boyutlu istatistiksel analiz.
5 Çok boyutlu istatistiksel analiz.
6 Parametrik sınıflandırma.
7 Parametrik sınıflandırma.
8 Yıliçi sınavı ve genel tekrar
9 Parametrik olmayan sınıflandırma.
10 Dogrusal ve Dogrusal olmayan sınıflandıma.
11 Dizilim ve içerik bilgisine dayalı sınıflandırma.
12 Dizilim ve içerik bilgisine dayalı sınıflandırma.
13 Stokastik sınıflandırma.
14 Stokastik sınıflandırma.
23 Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: 1. Statistical Pattern Recognition, Second Edition, Wiley, 2002
2. Introduction to Statistical Pattern Recognition,
Academic Press, 1990
24 Değerlendirme
YARIYIL İÇİ ÇALIŞMALARI SAYISI KATKI YÜZDESİ
Ara Sınav 1 40
Kısa Sınav 0 0
Ödev 0 0
Yıl sonu Sınavı 1 60
Toplam 2 100
Yıl içi çalışmalarının Başarıya Oranı 40
Finalin BAşarıya Oranı 60
Toplam 100
Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları Ölçme ve değerlendirme, Bursa Uludağ Üniversitesi Lisansüstü Eğitim Öğretim Yönetmeliği ilkelerine göre yapılmaktadır.
Açıklama Değerlendirme için 1 Ara Sınav ve 1 Final sınavı yapılmakta olup bağıl değerlendirme uygulanmaktadır.
25 AKTS / İŞ YÜKÜ TABLOSU
Etkinlik SAYISI Süresi [Saat] Toplam İş Yükü [Saat]
Teorik Dersler 14 3 42
Uygulamalı Dersler 0 0 0
Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) 14 5 70
Ödevler 0 0 0
Projeler 0 0 0
Arazi Çalışmaları 0 0 0
Arasınavlar 1 28 28
Diğer 0 0 0
Yarıyıl Sonu Sınavları 1 40 40
Toplam İş Yükü 208
Toplam İş Yükü / 30 saat 6
Dersin AKTS Kredisi 6
26 PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU
PY1 PY2 PY3 PY4 PY5 PY6
OK1 0 0 0 0 5 0
OK2 5 0 0 0 0 0
OK3 0 5 0 0 0 0
OK4 0 0 0 0 0 5
ÖK: Öğrenme Kazanımları PY: Program yeterlilikleri
Katkı Düzeyi: 1 Çok Düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok Yüksek
Bologna İletişim
Mail : bologna@uludag.edu.tr
Tasarım & Kodlama
Bilgi İşlem Daire Başkanlığı © 2015
otomasyon@uludag.edu.tr