| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| İstatistiksel Öğrenmeye Giriş | IST1013 | 3 | 5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ İstatistik Lisans Programı (%30 İngilizce) Seçmeli @ Matematik Lisans Programı Seçmeli @ İlköğretim Matematik Eğitimi Lisans Programı Seçmeli @ Moleküler Biyoloji ve Genetik Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | İstatistik Bölümü |
|---|---|
| Dersin Koordinatörü | Erhan Çene |
| Dersi Veren(ler) | Filiz Karaman, Serpil Kılıç Depren, Erhan Çene, Coşkun Parim, Hülya Yürekli |
| Asistan(lar)ı |
| Dersin Amacı | "İstatistiksel Öğrenmeye Giriş" dersinin amacı, öğrencilere istatistiksel öğrenmenin temel ilkeleri ve pratik uygulamaları hakkında kapsamlı bir anlayış kazandırmaktır. |
|---|---|
| Dersin İçeriği | "İstatistiksel Öğrenime Giriş" dersi, 15 hafta boyunca istatistiksel öğrenmenin ve pratik uygulamalarının kapsamlı bir incelemesini sunar. İlk haftalarda öğrenciler, yanlılık-varyans takası ve K En Yakın Komşular da dahil olmak üzere istatistiksel öğrenmenin temel kavramlarıyla tanıştırılırken aynı zamanda en az bir programlama diliyle uygulamalı deneyim kazanırlar. Ders daha sonra Doğrusal Regresyon, Sınıflandırma ve yeniden örnekleme yöntemleri gibi temel teknikleri ele alarak öğrencileri verileri analiz etme, doğru sonuçlara ulaşma ve tahmine dayalı modeller oluşturma becerileriyle donatır. Doğrusal olmayan modelleme, ağaç tabanlı yöntemler ve Destek Vektör Makineleri dahil olmak üzere ileri düzey konular, istatistiksel öğrenmenin çok yönlü anlaşılmasını sağlamak için ele alınmaktadır. Ara sınavlar ve kapsamlı laboratuvar oturumları öğrencilerin bilgilerini pratik olarak uygulayabilmelerini sağlar. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- İstatistiksel Kavramları Anlayın: Önyargı-varyans değişimi, olasılık, hipotez testi ve yeniden örnekleme yöntemleri dahil olmak üzere istatistiksel kavramları sağlam bir şekilde kavrayın.
- Uygulamalı Deneyim: Gerçek dünyadaki veri kümeleriyle çalışarak ve istatistiksel öğrenme yöntemlerini uygulamak için en az bir programlama dilini kullanarak pratik beceriler geliştirin.
- Model Seçimi ve Düzenlileştirme: Uygun modellerin nasıl seçileceğini ve model performansını artırmak için düzenlileştirme tekniklerinin nasıl uygulanacağını öğrenin.
- Doğrusal Olmayan İlişkileri Keşfedin: Tahmine dayalı modellemenin kapsamını genişleterek verilerdeki doğrusal olmayan ilişkilerle nasıl başa çıkacağınızı anlayın.
- İstatistiksel Öğrenmeyi Uygulayın: Verileri analiz etmek, bilinçli kararlar vermek ve çeşitli uygulamalar için tahmine dayalı modeller oluşturmak için istatistiksel öğrenme araçlarını uygulayın.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | |
| PÇ-1 | - | - | - | - | - |
| PÇ-2 | - | - | - | - | - |
| PÇ-3 | - | - | - | - | - |
| PÇ-4 | - | - | - | - | - |
| PÇ-5 | - | - | - | - | - |
| PÇ-6 | - | - | - | - | - |
| PÇ-7 | - | - | - | - | - |
| PÇ-8 | - | - | - | - | - |
| PÇ-9 | - | - | - | - | - |
| PÇ-10 | - | - | - | - | - |
| PÇ-11 | - | - | - | - | - |
| PÇ-12 | - | - | - | - | - |
| PÇ-13 | - | - | - | - | - |
| PÇ-14 | - | - | - | - | - |
| PÇ-15 | - | - | - | - | - |
| PÇ-16 | - | - | - | - | - |
| PÇ-17 | - | - | - | - | - |
| PÇ-18 | - | - | - | - | - |
| PÇ-19 | - | - | - | - | - |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | İstatistiksel Öğrenmeye Giriş | ISLR Bölüm 1 |
| 2 | İstatistiksel Öğrenme Nedir? Yanlılık Varyans Takası Lab: R'a Giriş | ISLR Bölüm 2 |
| 3 | Doğrusal Regresyon | ISLR Bölüm 3 |
| 4 | Sınıflandırma | ISLR Bölüm 4 |
| 5 | Lab: Linear Regresyon – Sınıflandırma | ISLR Bölüm 3 - ISLR Bölüm 4 |
| 6 | Yeniden Örnekleme Yöntemleri Lab: Yeniden Örnekleme Yöntemleri | ISLR Bölüm 5 |
| 7 | Doğrusal Model Seçimi ve Düzenlileştirme Lab: Doğrusal Model Seçimi ve Düzenlileştirme | ISLR Bölüm 6 |
| 8 | Ara Sınav 1 | |
| 9 | Doğrusallığın Ötesine Geçmek Lab: Doğrusallığın Ötesine Geçmek | ISLR Bölüm 7 |
| 10 | Ağaç Tabanlı Modeller Lab: Ağaç Tabanlı Modeller | ISLR Bölüm 8 |
| 11 | Karar Destek Makineleri Lab: Karar Destek Makineleri | ISLR Bölüm 9 |
| 12 | Ara Sınav 2 | |
| 13 | Denetimsiz Öğrenme Lab: Denetimsiz Öğrenme | ISLR Bölüm 12 |
| 14 | Sağkalım Analizi Lab: Sağkalım Analizi | ISLR Bölüm 11 |
| 15 | Sağkalım Analizi Lab: Sağkalım Analizi | ISLR Bölüm 11 |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 2 | 60 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 4 | |
| Derse Özgü Staj | |||
| Ödev | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 2 | 20 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
