Dersin Amacı: |
Dersin amacı; dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını tanıtmak ve pratik uygulamalar ile öğrencilerin öğrendiklerini pekiştirmelerini sağlamaktır. |
Dersin İçeriği: |
Olasılık, örnekleme, rasgele değişkenler, sürekli değişkenler, vektör uzayları ve doğrusal cebir, gürültü, sinyaller ve sistemler, süzgeçleme, Fourier dönüşümü, Kalman süzgeci, korelasyon-kovaryans analizi, Markov modelleri, Shannon Teorisi ve Gauss süreçleri. |
Hafta |
Konu |
Ön Hazırlık |
1) |
Olasılık teorinin temelleri |
Ders kitabı |
2) |
Olasılık teorinin temelleri |
Ders kitabı |
3) |
Olasılık teorinin temelleri |
Ders kitabı |
4) |
Vektör Uzayları
|
Ders kitabı |
5) |
Haberleşme, gürültü ve dijital veri iletimi |
Ders kitabı |
6) |
Sinyaller ve sistemler |
Ders kitabı |
7) |
Ara sınav |
|
8) |
Süzgeçleme
|
Ders kitabı |
9) |
Fourier dönüşümü ve uygulamalar |
Ders kitabı |
10) |
Kalman süzgeci, korelasyon-kovaryans analizi |
Ders kitabı |
11) |
Kalman süzgeci, korelasyon-kovaryans analizi |
Ders kitabı |
12) |
Markov modelleri, Shannon Teorisi ve Gauss süreçleri |
Ders kitabı |
13) |
Markov modelleri, Shannon Teorisi ve Gauss süreçleri |
Ders kitabı |
14) |
Markov modelleri, Shannon Teorisi ve Gauss süreçleri |
Ders kitabı |
15) |
Pratik uygulamalar |
Ders kitabı |
Ders Notları / Kitaplar: |
1-Alan V. Oppenheim, Ronald W. Schafer, John R. Buck: "Discrete-Time Signal Processing", Prentice Hall, 2nd Edition, 1998. |
Diğer Kaynaklar: |
1-Alan V. Oppenheim, Ronald W. Schafer, John R. Buck: "Discrete-Time Signal Processing", Prentice Hall, 2nd Edition, 1998.
2-Dick Blandford, John Parr. Introduction to Digital Signal Processing. Pearson Education, Inc, 2013, ISBN: 978-0-13-139406-3.
3-G. Strang, Introduction to Linear Algebra, 2016.
4-H. Stark & J. W. Woods, Probability and Random Processes with Applications to Signal Processing, 2014. |
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Yazılım mühendisliği, veri yönetimi ve bilgisayar güvenliği gibi temel bilgi teknolojilerindeki güncel teknik kavramları ve uygulamaları kullanma becerisi. |
|
2) |
Kullanıcı ihtiyaçlarının belirlenmesi, analiz edilmesi ve bilgisayar tabanlı sistemlerin seçiminde, değerlendirilmesinde ve yönetiminde kullanımının anlaşılması. |
|
3) |
Veri yapılarını kullanma ve algoritma geliştirme becerisi. |
|
4) |
Karmaşık büyük veri sistemlerini analiz etme ve yorumlama becerisi. |
|
5) |
Makine öğrenmesindeki kavram ve algoritmaların yorumlanması ve uygulanması becerisi. |
|
6) |
Veri analizi alanındaki derin öğrenmenin Matematik temellerinin anlaşılması ve teoriyi uygulama becerisi. |
|
7) |
Karmaşık veri yapılarını çözme, derin öğrenme modelleri geliştirme ve uygulama becerisi ve bu konularla ilgili yapay zeka odaklı araştırmaları yorumlama becerisi. |
|
8) |
Görüntü analizi, doğal dil işleme ve öneri sistemlerindeki sorunları çözmek için derin öğrenme tekniklerini uygulama ve gerçek dünya veri kümeleri ve projelerini yorumlama becerisi. |
|
9) |
Dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını pratik uygulamalara aktarma becerisi. |
|
10) |
İnternet aracılığıyla kullanılan araç ve teknolojiler ile sunucu kodlama dilleri ve araçları için kullanılan farklı teknolojiler hakkında bilgi kazanılması. |
|
11) |
Tek hücreli organizmalarda genetik bilgi akışı ve çok hücreli organizmalarda genlerin nasıl işlediğinin anlaşılması ve biyoteknoloji alanındaki uygulamaları yorumlama ve uygulama becerisi. |
|
12) |
Etik değerlerin bilincinde olunması ve bu değerler çerçevesinde araştırma ve uygulama yapılması gerekliliğinin anlaşılması. |
|