Bilgi Paketi / Ders Kataloğu
| Yapay Zeka Mühendisliği | |||||
| Lisans | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF: 6. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Mühendislik Fakültesi | ||||||||
| Ders Kodu | AI 482 | ||||||||
| Ders Adı İngilizce | Computer Vision | ||||||||
| Ders Adı Türkçe | Bilgisayarlı Görü | ||||||||
| Öğretim Dili | EN | ||||||||
| Ders Türü | Ters-Yüz Öğrenme | ||||||||
| Dersin Düzeyi | Seçiniz | ||||||||
| Dönem | Güz | ||||||||
| Haftalık İletişim Saatleri |
|
||||||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 161 saat | ||||||||
| Ders Kredileri | 6 AKTS | ||||||||
| Değerlendirme | Standart Harf Notu | ||||||||
| Ön Koşul | Yok | ||||||||
| Yan Koşul | Yok | ||||||||
| Beklenen Ön Bilgi | Nesne Yönelimli Programlama, Veri Yapıları | ||||||||
| Kayıt Kısıtlamaları | Sadece Lisans Öğrencileri | ||||||||
| Genel Eğitim Hedefi | Görüntü oluşumu, kamera parametreleri, ön işleme, konvolüsyon, segmentasyon, kenar ve köşe tespiti, çizgi ve elips uyumu, görüntü anlama ve nesne tanıma gibi Bilgisayarlı Görüntü işlemenin temel kavramlarıyla tanışmak. | ||||||||
| Ders Açıklaması | Bu derste; bilgisayarla görünün temel kavramları şu konu başlıklar altında kapsamlı bir şekilde incelenmektedir: Giriş, görüntü oluşumu, kamera parametreleri, önişleme, evriştirme, bölütleme, kenar ve köşe bulma, doğru ve elips uydurma, görüntü analizi, nesne tanıma ve derin öğrenme. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Görüntü oluşum sürecini, kamera parametrelerini ve projeksiyonları anlar; 2) Filtreleme ve ön işleme için konvolüsyon uygular; 3) Bilgisayarlı görüntüde problemleri çözmek için olasılık ve istatistik yöntemlerini kullanır; 4) Kenar, köşe, blob tespit ediciler gibi özellik çıkarıcılar geliştirir; 5) Derin öğrenme yöntemlerini kullanarak görüntü işleme çözümleri geliştirir; 6) Görüntü anlama ve nesne tanıma çözümleri geliştirir; 7) Raporlar ve sunumlar aracılığıyla etkili iletişim kurar; 8) Verileri analiz etmek ve yorumlamak, mühendislik muhakemesi ile sonuçlar çıkarır; 9) Gerekli olduğunda yeni bilgileri edinir ve uygular. |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
|---|---|---|---|---|---|---|---|---|---|
| 1) Mühendislik, bilim ve matematik prensiplerini uygulayarak karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi | |||||||||
| 2) Halk sağlığı, güvenlik ve refahın yanı sıra, küresel, kültürel, sosyal, çevresel ve ekonomik faktörleri dikkate alarak, ihtiyaçları karşılayan çözümler üretmek için mühendislik tasarımını uygulama becerisi | |||||||||
| 3) Farklı kitlelerle etkili bir şekilde iletişim kurma becerisi | |||||||||
| 4) Mühendislik durumlarında etik ve profesyonel sorumlulukları tanıma ve mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal etkilerini göz önünde bulundurarak bilinçli kararlar verme becerisi | |||||||||
| 5) Takım üyeleriyle birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam oluşturan, hedefler belirleyen, görevleri planlayan ve hedeflere ulaşan bir ekipte etkili bir şekilde çalışma becerisi | |||||||||
| 6) Uygun deneyler geliştirme ve yürütme, verileri analiz etme ve yorumlama ve mühendislik değerlendirmesi yaparak sonuçlara ulaşma becerisi | |||||||||
| 7) Gerekli olduğunda yeni bilgileri edinme ve uygun öğrenme stratejilerini kullanarak bu bilgileri uygulama becerisi |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Mühendislik, bilim ve matematik prensiplerini uygulayarak karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi | H | Ödev,Proje,Sınav |
| 2) | Halk sağlığı, güvenlik ve refahın yanı sıra, küresel, kültürel, sosyal, çevresel ve ekonomik faktörleri dikkate alarak, ihtiyaçları karşılayan çözümler üretmek için mühendislik tasarımını uygulama becerisi | H | Seçiniz,Ödev,Proje,Sınav |
| 3) | Farklı kitlelerle etkili bir şekilde iletişim kurma becerisi | S | Proje |
| 4) | Mühendislik durumlarında etik ve profesyonel sorumlulukları tanıma ve mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal etkilerini göz önünde bulundurarak bilinçli kararlar verme becerisi | N | |
| 5) | Takım üyeleriyle birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam oluşturan, hedefler belirleyen, görevleri planlayan ve hedeflere ulaşan bir ekipte etkili bir şekilde çalışma becerisi | N | |
| 6) | Uygun deneyler geliştirme ve yürütme, verileri analiz etme ve yorumlama ve mühendislik değerlendirmesi yaparak sonuçlara ulaşma becerisi | S | Ödev,Proje,Sınav |
| 7) | Gerekli olduğunda yeni bilgileri edinme ve uygun öğrenme stratejilerini kullanarak bu bilgileri uygulama becerisi | S | Ödev,Proje,Sınav |
| Hazırlayan ve Tarih | MUHİTTİN GÖKMEN , February 2026 |
| Ders Koordinatörü | TUBA AYHAN |
| Dönem | Güz |
| Dersi Veren(ler) |
Ders İçeriği
| Hafta | Konu |
| 1) | Giriş |
| 2) | Konvolüsyon |
| 3) | Filtreleme |
| 4) | Özellikler: Kenar Tespiti |
| 5) | Özellikler: HoG, Harris Köşeleri, SIFT |
| 6) | Kameralar ve Görüntü Oluşumu |
| 7) | Sinir Ağları – Geri Yayılım, Eğitim |
| 8) | Konvolüsyonel Sinir Ağları (CNN) |
| 9) | Derin Öğrenme - Otomatik Kodlayıcılar (Autoencoders) |
| 10) | Derin Öğrenme – Sınıflandırma ve Tanıma |
| 11) | Derin Öğrenme - Nesne Tespiti |
| 12) | Derin Öğrenme - Segmentasyon |
| 13) | Derin Öğrenme - Transformers |
| 14) | Stereo and Optical flow |
| 15) | Final Sınavı/Proje/Sunum Dönemi |
| 16) | Final Sınavı/Proje/Sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Computer Vision: Algorithms and Applications, Richard Szeliski, Springer Science & Business Media, 2010 Introductory Techniques for 3-D Computer Vision, by Emanuele Trucco, Alessandro Verri, Prentice-Hall, 1998 | ||||||
| Öğretme Teknikleri | Bilgisayarlarla donatılmış sınıfta ders anlatımı ve uygulamalar yapılacaktır. Sınıf içi uygulamalar ve 3 proje öğrenciler tarafından gerçekleştirilecektir. | ||||||
| Ödev ve Projeler | Sınıf içi uygulamalar, 3 proje | ||||||
| Laboratuvar Çalışması | Programlama alıştırmaları | ||||||
| Bilgisayar Kullanımı | Programlama için | ||||||
| Diğer Aktiviteler | |||||||
| Değerlendirme Yöntemleri |
|
||||||
| Ders Yönetimi |
gokmenm@mef.edu.tr 0 212 395 3626; 5th Floor , #551 Rules for attendance: Minimum of 70% attendance required. Missing a quiz: Provided that proper documents of excuse are presented, each missed quiz by the student will be given a grade which is equal to the average of all of the other quizzes. No make-up will be given. Missing a midterm: Provided that proper documents of excuse are presented, a make-up exam for midterm exam will be provided. Missing a final: Faculty regulations. Inappropriate conduct, academic dishonesty and plagiarism are subject to Law on Higher Education Article 54. |
||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 14 | 1 | 3 | 1 | 70 | ||
| Proje | 8 | 5 | 3 | 2 | 80 | ||
| Ara Sınavlar | 1 | 3 | 1 | 4 | |||
| Final | 1 | 5 | 2 | 7 | |||
| Toplam İş Yükü | 161 | ||||||
| Toplam İş Yükü/25 | 6.4 | ||||||
| AKTS | 6 | ||||||