Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
1EEE 509DATA COMPRESSION3+0+03604.08.2026

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Yüksek Lisans
Bölümü / Programı ELEKTRİK-ELEKTRONİK MÜH.(Tezli Y.Lisans)
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Bu dersin amacı, veri sıkıştırmanın temel prensiplerini, teorilerini ve uygulamalarını öğrencilere kazandırmaktır. Öğrencilerin kayıpsız ve kayıplı sıkıştırma teknikleri, entropi kodlama yöntemleri, dönüşüm tabanlı yöntemler ile görüntü, ses ve video sıkıştırma sistemleri hakkında bilgi sahibi olmaları hedeflenmektedir. Ayrıca ders kapsamında öğrencilerin dijital verilerin etkin depolanması ve iletimi için kullanılan sıkıştırma algoritmalarını analiz edebilme, uygulayabilme ve değerlendirebilme becerilerinin geliştirilmesi amaçlanmaktadır.
Dersin İçeriği Veri sıkıştırmaya giriş ve verilerin sayısal gösterimi; fazlalık (redundancy) ve bilgi teorisi; Huffman kodlama, aritmetik kodlama, sözlük tabanlı yöntemler ve bağlam tabanlı sıkıştırma gibi kayıpsız sıkıştırma teknikleri; kayıplı sıkıştırma prensipleri; skaler ve vektör nicemleme; diferansiyel kodlama; dönüşüm kodlama; wavelet ve wavelet tabanlı görüntü sıkıştırma; ses kodlama; analiz/sentez yöntemleri ile video sıkıştırma standartları ve uygulamaları.
Dersin Yöntem ve Teknikleri Anlatım, teorik ders sunumları, problem çözme uygulamaları, multimedya destekli sunumlar, algoritma analizleri, MATLAB tabanlı gösterimler, ödevler, öğrenci merkezli tartışmalar ve veri sıkıştırma uygulamalarına yönelik örnek olay incelemeleri kullanılacaktır. Ders kapsamında ayrıca güncel sıkıştırma standartları ve teknolojilerine yönelik uygulama ve literatür inceleme çalışmaları da gerçekleştirilebilecektir.
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Dr.Öğr.Üyesi SEYDİ KAÇMAZ
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Data Compression: The Complete Reference, 3rd Edition, David Salomon
Introduction to Data Compression, 5th Edition, Khalid Sayood
Ders Notları Khalid Sayood, Introduction to Data Compression, 5. Baskı.
David Salomon, Data Compression: The Complete Reference, 3. Baskı.
Öğretim elemanı tarafından hazırlanan ders notları, sunumlar ve yardımcı kaynaklar.

Ders Yapısı
Matematik ve Temel Bilimler %25
Mühendislik Bilimleri %25
Mühendislik Tasarımı %10
Fen Bilimleri %25
Alan Bilgisi %15

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 2 % 60
Yarıyıl Sonu Sınavı 1 % 40
Toplam :
3
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Haftalık teorik ders saati 14 3 42
Okuma Faaliyetleri 2 10 20
İnternetten tarama, kütüphane çalışması 3 11 33
Materyal tasarlama, uygulama 2 10 20
Rapor hazırlama 2 10 20
Sunu hazırlama 1 10 10
Sunum 1 20 20
Ara sınav ve ara sınava hazırlık 2 5 10
Final sınavı ve final sınavına hazırlık 1 5 5
Toplam İş Yükü   AKTS Kredisi : 6 180

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Veri sıkıştırmanın temel kavramlarını, amaçlarını ve kullanım alanlarını açıklayabilir.
2 Kayıpsız ve kayıplı veri sıkıştırma yöntemleri arasındaki farkları karşılaştırabilir.
3 Bilgi teorisi, entropi, öz-bilgi ve kodlama verimliliği kavramlarını açıklayabilir.
4 Huffman, Shannon–Fano, aritmetik kodlama ve sözlük tabanlı kodlama yöntemlerini uygulayabilir.
5 Run-Length Encoding, LZ77, LZ78 ve LZW gibi temel kayıpsız sıkıştırma algoritmalarını analiz edebilir.
6 Tahmine dayalı kodlama, dönüşüm kodlama ve niceleme yöntemlerinin çalışma prensiplerini açıklayabilir.
7 Metin, görüntü, ses ve video verileri için uygun sıkıştırma yöntemini seçebilir.
8 Sıkıştırma algoritmalarını sıkıştırma oranı, bit hızı, hesaplama maliyeti ve yeniden oluşturma kalitesi açısından karşılaştırabilir.
9 MATLAB, Python veya benzeri programlama araçlarını kullanarak veri sıkıştırma algoritmalarını gerçekleştirebilir.
10 Gerçek bir veri sıkıştırma problemi için uygun bir yöntem tasarlayabilir, uygulayabilir ve elde edilen sonuçları raporlayabilir.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Giriş
2 Kayıpsız Sıkıştırma İçin Matematiksel Ön Hazırlıklar
3 Huffman Kodlaması
4 Aritmetik Kodlama
5 Sözlük Teknikleri
6 Bağlam Tabanlı Sıkıştırma
7 Kayıplı Görüntü Sıkıştırma
8 Kayıplı Sıkıştırma İçin Matematiksel Ön Hazırlıklar
9 Skalar nicelemesi
10 Vektör nicelemesi
11 Diferansiyel Kodlama
12 Dönüşümler, Alt Bantlar ve Dalgacıklar için Matematiksel Ön Bilgiler. Dönüşüm Kodlaması.
13 Dalgacıklar ve Dalgacık Tabanlı Görüntü Sıkıştırma
14 Ses Kodlama Analiz/Sentez ve Sentez Yöntemiyle Analiz Şemaları Video Sıkıştırma

 
Sürdürülebilir Kalkınma Amaçları
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4
Tüm 5 5 5
Ö1 5 5 5
Ö2 5 5 5
Ö3 5 5 5
Ö4 5 5 5
Ö5 5 5 5
Ö6 5 5 5
Ö7 5 5 5
Ö8 5 5 5
Ö9 5 5 5
Ö10 5 5 5

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.gaziantep.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=751109&lang=tr