Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
8MATH 4224STOKASTİK SÜREÇLER3+0+03618.11.2019

 
Dersin Detayları
Dersin Dili İngilizce
Dersin Düzeyi Lisans
Bölümü / Programı BİLGİSAYAR MÜHENDİSLİĞİ
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı
Bu dersin temel amacı, istatistik kullanarak veri analizinde temel bir anlayış sağlamak ve mühendislik ve işletme probleminde istatistiksel araçları kullanmaktır. Ayrıca, Makine Öğrenmenin temel ilkelerini, tekniklerini ve uygulamalarını tanıtmak.
Dersin İçeriği Bu ders istatistik ve veri analizi yöntemlerini tanıtır. İstatistiksel yazılım SPSS ve WEKA, uygulamalı veri analizi deneyimi sağlayan, dersin ayrılmaz bir parçasını oluşturacaktır.
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Prof. Dr. Şaban Eren
Dersi Verenler Yarı Zamanlı Öğretim Üyesi ŞABAN EREN
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Data Mining: Practical Machine Learning Tools and Techniques, I. H. Witten, E. Frank, M. A. Hall, C. J. Pal
Intermediate Statistical Methods, G. B. Wetherill
An Introduction to Mathematical Statistics and Its Applications, R. J. Larsen, M. L. Marx
Introduction to Machine Learning, Ethem Alpaydin
Elementary Statistics: A Brief Version, A. G. Bluman
Ders Notları .

Ders Yapısı
Matematik ve Temel Bilimler %100

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

Değerlendirme Ölçütleri
Veri yok

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ara Sınav/Mid-Term 1 20 20
Küçük Sınav/Quiz 1 15 15
Ders Süresi(14 hafta) Toplam ders saati/Course Teaching Hours(14 weeks)Total course hours 14 3 42
Sınıf Dışı Ders Çalışma Süresi(Ön Çalışma)/Further self-study 14 6 84
Yarıyıl Sonu Sınavı/ Dönem Projesi/Contribution of final Examination and Final Project 1 30 30
Toplam İş Yükü   AKTS Kredisi : 6 191

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Temel istatistiksel terim ve kavramları açıklar
2 Verileri araştırmak, tanımlamak ve analiz etmek için uygun istatistiksel yöntemleri belirlemek
3 İstatistiksel Yazılım kullanma
4 Makine öğrenmesini, veri madenciliğini ve istatistiksel örüntü tanıma işlevini anlama

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 İstatistik ve Veri Analizine Giriş Kaynak kitap ilgili Bölüm Tartışma
2 İstatistik ve Veri Analizine Giriş Devam Kaynak kitap ilgili bölüm Teori
3 Olasılık Kaynak kitap ilgili bölüm Teori
4 Olasılık Dağılımları Kaynak kitap ilgili bölüm Teori
5 Olasılık dağılımları devam Kitap ilgili bölüm Teori
6 Örneklem Dağılımları Kaynak kitap ilgili bölüm Teori
7 Lineer Regresyon Kaynak kitap ilgili bölüm Teori
8 Faktöriyel Deneme (Tek Faktör) Kaynak kitap ilgili bölüm Teori
9 Faktöriyel Deneme ( Çoklu Faktör) Parametrik olmayan istatistik Kaynak kitap ilgili bölüm Teori
10 Veri Madenciliğine Giriş Kaynak kitap ilgili bölüm Teori
11 Gözetimli Öğrenme Kaynak kitap ilgili bölüm Teori
12 Gözetimli Olmayan Öğrenme Kaynak kitap ilgili bölüm Teori
13 Pekiştirmeli Öğrenme Kaynak kitap ilgili bölüm Teori
14 Genel Tekrar . Tartışma

 
Ders İçin Önerilen Diğer Dersler
Veri yok
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11
Tüm 4 4 4 4 3 4
Ö1 4 4 4 4 3 4
Ö2 5 5 4 4 3 4
Ö3 5 5 4 4 3 4
Ö4 5 5 4 4 3 4

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

  
  https://obs.yasar.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=4005000552880&lang=tr