Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1) Duda, R.O.Hart, P.E. and Stork, D.G. Pattern Classification. Wiley-Interscience. 2nd Edition. 2001.
2) TYETER D.R. The pattern recognition basis of artifical intelligence, California: IEEE Computer Society, 1998.
3) Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2007;
4) Marsland, S. Machine Learning: An Algorithmic Perspective. CRC Press. 2009. (Also uses Python.);
5) Theodoridis, S. and Koutroumbas, K. Pattern Recognition. Edition 4. Academic Press, 2008.
Dersin İçeriği
Örüntünün tanımı ve temel kavramlar. Pattern sınıfları. Özellik çıkartımı. Örüntü sınıflandırma teknikleri. İstatistiksel örüntü sınıflandırma. İstatistiksel karar verme kuramı. Makine öğrenmesine giriş. Makine öğrenmesi ile örüntü tanıma. Öğretmenli ve öğretmensiz öğrenme. Sınıflandırmada hata analiz yöntemleri. Güncel örüntü tanıma uygulamala örnekleri.
Dersin Amacı
Bu dersin odak noktası örüntü tanıma tekniklerinin teori ve uygulanmaları üzerinedir. Kapsanan konular arasında, makine ile örüntü sınıflandırılması, öznitelik çıkarma, nesne tanıma, denetimli ve denetimsiz örüntü tanıma konuları bulunmakta ve bu konulara genel bir bakış sunulmaktadır.
