YAPAY ZEKA MÜHENDİSLİĞİ | |||||
Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
EEE5022 | Uygulamalı İstatistik | Bahar | 3 | 0 | 3 | 9 |
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Öğretim Dili: | İngilizce |
Dersin Türü: | Non-Departmental Elective |
Dersin Seviyesi: | LİSANS |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Doç. Dr. SAEID KARAMZADEH |
Dersi Veren(ler): |
Prof. Dr. SELİM ZAİM |
Opsiyonel Program Bileşenleri: | yok.......... |
Dersin Amacı: | Bu ders istatistik temel konuları tanıtır ve endüstriyel, tıbbi, mali, enerji ve benzer türde çok büyük boyutlu veri kümeleri için uygulamalarını gerçekleştirerek anlamlı istatistiksel sonuçlar çıkarmayı uygular. Bu ders istatististiki yöntemler ve uygulamaları konusunda kayda değer bir arka planı olmayan lisansüstü öğrencileri içindir. Uygulamaları açık kaynak istatistiksel yazılım olan R üzerinde yapılacaktır. Bu programlama dilini kullanmak için temel bilgiler işlenecektir. |
Bu dersi başarıyla tamamlayabilen öğrenciler; I. İstatistik temel terimlerini belirlemek. II. İstatistikte kullanılan temel yöntemleri ve programlama araçlarını kullanmak ve değişik mühendislik alanlarına uygulama becerisi kazanmak. III. Veri ve ilişkileri keşfetme yeteneği kazandırma. IV. İstatistiki veri içeren sorunlar için hipotez testi gerçekleştirme yeteneği kazandırma. V. İstatistiki veriler üzerinde istatistiksel çıkarsama yapma. |
Konular şunlardır: R programlamaya giriş , Örnekleme, Veri Arama, İlişkileri keşfetmek, Olasılık, Rassal Değişkenler ve Olasılık Dağılımları, Tahmin, Hipotez Testleri, İstatistiksel Çıkarım, Çoklu Test Düzeltme, ANOVA, Kategorik Değişkenler analizi, regresyon analizi, Bayes Analizi, Sağkalım analizi, fazla temsil analizi, Meta analizi. |
Hafta | Konu | Ön Hazırlık |
1) | Giriş | |
2) | R İstatistiksel programlamaya giriş | |
3) | Dönem projesi | |
4) | R ile veri keşfi | |
5) | İlişkileri özetleme ve görselleme | |
6) | Olasılık ve Rasgele Değişkenler | |
7) | Veri kümelerinde kestirim | |
8) | Değişik mühendislik uygulamaları için Hipotez Testleri | |
9) | Çeşitli alanlardaki büyük veri setleri üzerinden istatistiksel çıkarım | |
10) | ANOVA | |
11) | Kategorik Değişkenler Analizi | |
12) | Regresyon ve Bayes Analizi | |
13) | Sağkalım analizi | |
14) | Fazla temsil analizi |
Ders Notları / Kitaplar: | Principles of Applied Statistics (Paperback), by D. R. Cox, Christl A. Donnelly 2011 ISBN-10: 1107644453 | ISBN-13: 978-1107644458 |
Diğer Kaynaklar: | Introductory Statistics with R Peter Dalgaard 2011 ISBN 978-0-387-79053-4 |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Projeler | 1 | % 30 |
Ara Sınavlar | 1 | % 30 |
Final | 1 | % 40 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 30 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 70 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | İş Yükü |
Ders Saati | 14 | 42 |
Sınıf Dışı Ders Çalışması | 14 | 42 |
Proje | 1 | 30 |
Ara Sınavlar | 1 | 40 |
Final | 1 | 50 |
Toplam İş Yükü | 204 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Matematik, fen bilimleri ve yapay zeka mühendisliği konularında yeterli altyapıya sahiptir. | |
2) | Matematik, fen bilimleri ve yapay zeka mühendisliği alanlardaki kuramsal ve uygulamalı bilgileri mühendislik çözümleri için beraber kullanır. | |
3) | Mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer, bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçer ve uygular. | |
4) | Bir sistemi, sistem bileşenini ya da süreci analiz eder ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlar; bu doğrultuda modern tasarım yöntemlerini uygular. | |
5) | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır. | |
6) | Deney tasarlar, deney yapar, veri toplar sonuçları analiz eder ve yorumlar. | |
7) | Bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır. | |
8) | Bilgiye erişir ve bu amaçla kaynak araştırması yapar, veri tabanları ve diğer bilgi kaynaklarını kullanır. | |
9) | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | |
10) | Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | |
11) | Sözlü ve yazılı etkin iletişim kurar; bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanır. | |
12) | Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincinde olur; girişimcilik ve yenilikçilik konularının farkında olur ve çağın sorunları hakkında bilgiye sahiptir. | |
13) | Mesleki ve etik sorumluluk bilincine sahiptir. | |
14) | Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği konularında bilinç; mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalığa sahiptir. |