GMK694 - UZAKTAN ALGILAMADA ÖZEL KONULAR
| Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| UZAKTAN ALGILAMADA ÖZEL KONULAR | GMK694 | Herhangi Yarıyıl/Yıl | 3 | 0 | 3 | 8 |
| Önkoşul(lar)-var ise | ||||||
| Dersin Dili | İngilizce | |||||
| Dersin Türü | Seçmeli | |||||
| Dersin verilme şekli | Yüz yüze | |||||
| Dersin öğrenme ve öğretme teknikleri | Anlatım Soru-Yanıt | |||||
| Dersin sorumlusu(ları) | Prof. Dr. Mustafa TÜRKER | |||||
| Dersin amacı | Uzaktan algılamada algılayıcılar, matematiksel modeller, görüntülerden obje çıkarımı konularının temelleri, ilkeleri ve yöntemleri hakkında ayrıntılı bilgi vermek. | |||||
| Dersin öğrenme çıktıları |
| |||||
| Dersin içeriği | Havadan ve uzaydan görüntü çeken algılayıcılar, radyometrik kalibrasyon teknikleri, matematiksel modeller, görüntü sınıflandırması, obje çıkarımı, ortogörüntü oluşturulması ve segmentasyon konularındaki son gelişmeler. Yapay zeka ve misafir bilim adamlarının uzmanlık alanları. | |||||
| Kaynaklar | - Lillesand, T.M. and Kiefer, R.W., 1987. Remote sensing and Image Interpretation, John Wiley. - Jensen, J. R. Introductory digital image processing a remote sensing perspective, Prentice Hall series in geographic information science. - Schowengerdt, R. A., 2007. Remote Sensing: Models and Methods for Image Processing, Academic Press. - Campbell, J.B., 1996. Introduction to Remote Sensing, Taylor & Francis, London. - Cracknell, P. and Hayes, L. Introduction to remote sensing. | |||||
Haftalara Göre İşlenecek Konular
| Haftalar | Konular |
|---|---|
| 1. Hafta | Havasal ve uzaysal algılayıcılar |
| 2. Hafta | Radyometrik kalibrasyon teknikleri |
| 3. Hafta | Matematiksel modeller |
| 4. Hafta | Matematiksel modeller |
| 5. Hafta | İleri görüntü sınıflandırma teknikleri |
| 6. Hafta | Ara sınav |
| 7. Hafta | Görüntülerden nesne çıkarımı |
| 8. Hafta | Görüntülerden nesne çıkarımı |
| 9. Hafta | Ortogörüntü oluşturulması |
| 10. Hafta | Segmentasyon yöntemleri |
| 11. Hafta | Ara sınav |
| 12. Hafta | Segmentasyon yöntemleri |
| 13. Hafta | Segmentasyon yöntemleri |
| 14. Hafta | Yapay zeka ve misafir bilim adamlarının uzmanlık alanları. |
| 15. Hafta | Genel sınava hazırlık |
| 16. Hafta | Genel Sınav |
Değerlendirme Sistemi
| Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
|---|---|---|
| Devam (a) | 14 | 5 |
| Laboratuar | 0 | 0 |
| Uygulama | 0 | 0 |
| Alan Çalışması | 0 | 0 |
| Derse Özgü Staj (Varsa) | 0 | 0 |
| Ödevler | 6 | 15 |
| Sunum | 0 | 0 |
| Projeler | 0 | 0 |
| Seminer | 0 | 0 |
| Ara Sınavlar | 2 | 30 |
| Genel sınav | 1 | 50 |
| Toplam | 100 | |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 0 | 50 |
| Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 0 | 50 |
| Toplam | 100 | |
AKTS (Öğrenci İş Yükü) Tablosu
| Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Laboratuvar | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Derse özgü staj (varsa) | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 14 | 6 | 84 |
| Sunum / Seminer Hazırlama | 2 | 1 | 2 |
| Proje | 0 | 0 | 0 |
| Ödevler | 6 | 10 | 60 |
| Ara sınavlara hazırlanma süresi | 2 | 16 | 32 |
| Genel sınava hazırlanma süresi | 1 | 16 | 16 |
| Toplam İş Yükü | 39 | 52 | 236 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
| D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |
| 1. Çalıştığı bilim alanında bilimsel bir araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşabilme, bilgiyi değerlendirebilme ve yorumlayabilme. | X | ||||
| 2. Araştırma alanında uygulanan güncel teknik ve yöntemler ile bunların olası kısıtları hakkında kapsamlı bilgi sahibi olma. | X | ||||
| 3. Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olabilme, gerektiğinde bunları inceleme ve öğrenme becerisine sahip olma. | X | ||||
| 4. Mühendislik problemlerini kurgulayabilme, çözmek için yöntem geliştirebilme ve çözümlerde yenilikçi yöntemler uygulayabilme | X | ||||
| 5. Yeni ve/veya özgün fikirler ve yöntemler geliştirebilme; sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirebilme. | X | ||||
| 6. Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlayabilme ve uygulayabilme; değişik disiplinlere ait bilgileri bütünleştirebilme. | X | ||||
| 7. Mühendislik uygulamalarının sosyal ve çevresel sonuçlarını betimleyebilme. | X | ||||
| 8. Analitik, modelleme ve deneysel esaslı araştırmaları tasarlayabilme ve uygulayabilme; bu süreçte karşılaşılan karmaşık durumları çözümleyebilme ve yorumlayabilme. | X | ||||
| 9. Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetme. | X | ||||
| 10. Çalışmalarının metodoloji ve sonuçlarını, ulusal ve uluslararası bilimsel ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak paylaşma. | X | ||||
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek