BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| YAPAY ZEKA MÜHENDİSLİĞİ | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| INE2002 | Mühendisler için İstatistik | Bahar | 3 | 2 | 4 | 7 |
Temel Bilgiler
| Öğretim Dili: | English |
| Dersin Türü: | Must Course |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Doç. Dr. SABRİ TANKUT ATAN |
| Dersi Veren(ler): |
Prof. Dr. SELİM ZAİM Dr. Öğr. Üyesi ETHEM ÇANAKOĞLU Prof. Dr. CENGİZ KAHRAMAN Arş.Gör. ESRA ADIYEKE |
| Opsiyonel Program Bileşenleri: | Yok |
| Dersin Amacı: | Bu ders, mühendislik istatitistiğinin temelleri olan rassal örnekleme, data analizi, örneklem dağılım teorisi, tahmin yapma, güven aralıkları, hipotez testleri, regresyon ve korelasyon analizleri konularını öğrencilere vermek üzere tasarlanmıştır. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; I. Rassal örnekleme ve populasyon kavramını anlar, örneklem ortalaması ve örneklem varyansını değerlendirir, görsel veri araçlarını kurar ve yorumlar. II. İstatistiksel çıkarım, nokta tahmini ve aralık tahmini açıklar. Merkez limit teoremi kullanarak örneklem ortalamasının örnekleme dağılımını belirler.Nokta tahmincilerinin dağılımını belirler. Bir örneklem için güven aralıkları oluşturur. III. Hipotez testini, hata tiplerini bilir ve hipotez testleri oluşturur ve sonuçlarını yorumlar. IV. İki örneklemi karşılaştırmak için güven aralıkları ve hipotez testleri oluşturur ve sonuçlarını yorumlar. V. Basit doğrusal regresyon modelleri kurar ve sonuçlarını analiz eder. |
Dersin İçeriği
| Populasyon ve örneklem, örneklem ortalaması ve varyansı, gövde ve yaprak diyagramı, histogram, kutu grafiği, normal olasılık grafiği, örneklem dağılımları, parametrelerin nokta tahmini, bir örneklem için istatistiksel aralıklar ve hipotez testleri, iki örneklemi karşılaştırmak için istatistiksel aralıklar ve hipotez testleri, doğrusal regresyon. |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | İstatistiğe giriş. | |
| 2) | Populasyon ve örneklem, örneklem ortalaması ve varyansı | |
| 3) | Gövde ve yaprak diyagramı, histogram, kutu grafiği, normal olasılık grafiği | |
| 4) | Örneklem dağılımları ve parametrelerin nokta tahmini | |
| 5) | Örneklem dağılımları ve parametrelerin nokta tahmini | |
| 6) | Bir örneklem için istatistiksel aralıklar | |
| 7) | Bir örneklem için istatistiksel aralıklar | |
| 8) | Bir örneklem için hipotez testleri | |
| 9) | Arasınav | |
| 10) | İki örneklem için istatistiksel çıkarım | |
| 11) | İki örneklem için istatistiksel çıkarım | |
| 12) | Basit doğrusal regression | |
| 13) | Basit doğrusal regresyon | |
| 14) | Nonparametric testler |
Kaynaklar
| Ders Notları / Kitaplar: | Allan G. Bluman, Elementary Statistics, McGraw Hill, Most recent edition. |
| Diğer Kaynaklar: | • Douglas C. Montgomery and George C. Runger. Applied Statistics and Probability for Engineers, John Wiley & Sons, 7th Edition. • Ross, S. M. (2017). Introductory Statistics. Academic Press, 4th Edition. • Ross, S. M. (2014). Introduction to Probability and Statistics for Engineers and Scientists. Academic Press. 5th Edition. |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Küçük Sınavlar | 12 | % 20 |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 1 | % 20 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
AKTS / İş Yükü Tablosu
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Laboratuvar | 14 | 1 | 14 |
| Uygulama | 14 | 1 | 14 |
| Sınıf Dışı Ders Çalışması | 14 | 3 | 42 |
| Proje | 1 | 20 | 20 |
| Ara Sınavlar | 1 | 15 | 15 |
| Final | 1 | 30 | 30 |
| Toplam İş Yükü | 177 | ||
Program ve Öğrenme Kazanımları İlişkisi
| 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. | 5 |
| 2) | Matematik, fen bilimleri ve yapay zeka mühendisliği alanlardaki kuramsal ve uygulamalı bilgileri mühendislik çözümleri için beraber kullanır. | 5 |
| 3) | Mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer, bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçer ve uygular. | 5 |
| 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 |
| 5) | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır. | 5 |
| 6) | Deney tasarlar, deney yapar, veri toplar sonuçları analiz eder ve yorumlar. | 5 |
| 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. |