| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Probabılıty and Computatıonal Statıstıcs | CMM 522 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi UFUK KULA |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Temel olasılık ve istatistik kavramlarını anlamak ve araştırma alanlarında elde ettikleri verileri sayısal istatistiksel yöntemler kullanarak anaiz etmek anlamlandırmak ve yorumlamak süretiyle çıkarımlarda bulunmak |
| Dersin İçeriği | Rastgele deney, olaylar ve örnek uzay; Olasılık aksiyomları ve önemli olasılık kuralları; Koşullu olasılık, toplam olasılık yasası ve Bayes kuralı; Rastgele değişkenler ve bazı önemli olasılık dağılımları; Örnekleme ve örnekleme dağılımları; Açıklayıcı veri analizi; Verilerde örüntü bulma; Gözetimli öğrenme; Gözetimsiz öğrenme; Regresyon analizi |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Rastegel Deneyin, Olayın ve Örnek uzayın ne olduğunu tanımlar, örnek verir ve Bir deneyde szökonusu bileşenleri listeler. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Sözlü Sınav, Ödev, |
| 2 | Olasılık Aksiyomlarını kullanarak temel olasılık kuralalrını kanıtlar. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Ödev, |
| 3 | Koşullu olasılık kavram ve kurallarını kullanarak olaylara ait olasılıkları hesaplar. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Ödev, |
| 4 | Örnekleme dağılımı kavramını verilen bir problemde kullanabilir ve ilgili istatistikle ilgili olasılıkları hesaplar ve yorumlar. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Sözlü Sınav, Ödev, |
| 5 | Örüntü bulma yöntemlerini kullanarak bir veri setindeki örüntüleri bulabilir ve yorumlayabilir. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Sözlü Sınav, Ödev, |
| 6 | Veri kümelerine Monte Carlo yöntemlerini uygulayarak istatistikse çıkarımlarda bulunabilir | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Sözlü Sınav, Ödev, |
| 7 | Gözetimli ve gözetimsiz öğrenme yöntemleri ayırdedebilir ve veri kümelerine uygulayabilir. | Anlatım, Soru-Cevap, Tartışma, Gösteri, | Sınav , Sözlü Sınav, Ödev, |
| 8 | Regresyon analizinin temel kavramlarını bilir ve yöntemi veri kümelerine uygulayabilir. |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Rastgele deney, Olaylar ve Örnek uzay | |
| 2 | Olasılık Aksiyomları ve Önemli Olasılık Kuralları | |
| 3 | Koşullu Olasılık, Toplam Olasılık Yasası | |
| 4 | Bayes Kuralı; Rastgele Değişkenler | |
| 5 | Bazı Önemli Olasılık Dağılımları | |
| 6 | Örnekleme ve Örnekleme Dağılımları | |
| 7 | Açıklayıcı Veri Analizi | |
| 8 | Açıklayıcı Veri Analizi | |
| 9 | Temel Bileşen Analizi, Bağımsız Bileşen Analizi | |
| 10 | İstatistiksel Hipotez Testi | |
| 11 | İstatistiksel Hipotez Testi ve Monte Carlo Yöntemleri | |
| 12 | Gözetimli Öğrenme | |
| 13 | Gözetimsiz Öğrenme | |
| 14 | Regresyon Analizi |
| Kaynaklar | |
|---|---|
| Ders Notu | TR. Ders notu dönem başında Materyal Paylaşımı bölümüne ulaşılabilir. EN. Lecture notes can be found under "MATERIAL SHARING" section at the start of the semester. |
| Ders Kaynakları | 1. Computational Statistics Handbook with MATLAB, (2008), Martinez W. L. Martinez A.R., Springer 2. Elements of Computational Statistics, 2005, Gentle J., Chapman and Hall |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşabilme, bilgiyi değerlendirme, yorumlama ve uygulama becerisi | ||||||
| 2 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlayabilme ve uygulama becerisi; değişik disiplinlere ait bilgileri bütünleştirebilme becerisi | ||||||
| 3 | Mühendislik problemlerini kurgulayabilme, çözmek için yöntem geliştirme ve çözümlerde yenilikçi yöntemler uygulama becerisi | ||||||
| 4 | Yeni ve orijinal fikir ve yöntemler geliştirme becerisi; sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirebilme becerisi | ||||||
| 5 | Mühendislikte uygulanan modern teknik ve yöntemler ile bunların sınırları hakkında kapsamlı bilgi | ||||||
| 6 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlama ve uygulama becerisi; bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlama becerisi | ||||||
| 7 | Gereksinim duyulan bilgi ve verileri tanımlama, bunlara ulaşma ve değerlendirmede ileri düzeyde beceri | ||||||
| 8 | Çok disiplinli takımlarda liderlik yapma, karmaşık durumlarda çözüm yaklaşımları geliştirebilme ve sorumluluk alma becerisi | ||||||
| 9 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarabilme becerisi | ||||||
| 10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetme yeterliliği | ||||||
| 11 | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalık; gerektiğinde bunları inceleme ve öğrenebilme becerisi | ||||||
| 12 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını anlama ve sosyal çevreye uyum becerisi | ||||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 60 |
| 1. Kısa Sınav | 10 |
| 1. Ödev | 5 |
| 2. Ödev | 5 |
| 3. Ödev | 5 |
| 4. Ödev | 5 |
| 5. Ödev | 5 |
| 6. Ödev | 5 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 60 |
| 1. Final | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ara Sınav | 1 | 12 | 12 |
| Kısa Sınav | 1 | 3 | 3 |
| Ödev | 6 | 3 | 18 |
| Final | 1 | 12 | 12 |
| Toplam İş Yükü | 141 | ||
| Toplam İş Yükü / 25 (Saat) | 5,64 | ||
| Dersin AKTS Kredisi | 6 | ||