| Hafta | Konular | Ön Hazırlık |
|---|
| 1 | Konu Anlatımı: Yüksek enerji fiziğinde veri toplama ve veri akışı. Sınıf-içi Uygulama (5 dk): Deneysel bir veri akış şemasının incelenmesi. Sınıf-içi Tartışma (5 dk): Veri akışındaki temel zorlukların değerlendirilmesi | 1. Temel parçacık tablosunu incelemek, Kaynak: ‘‘Introduction to Elementary Particles” – D. Griffiths, Bölüm 1-2 Ek Kaynak: Particle Data Group (PDG) online tables. 2. Veri toplama yöntemlerinin incelenmesi ve deneysel dedektörlerden veri akışına giriş. Kaynak: Franklin & Hall, Particle Physics Experiments, Bölüm 2 Ek Kaynak: PDG, Data Acquisition bölümü. |
| 2 | Konu Anlatımı: Veri analizi için yazılım araçları (ROOT, Python). Sınıf-içi Uygulama (5 dk): ROOT ile histogram çizilmesi Sınıf-içi Tartışma (5 dk): Python’un veri analizindeki avantajlarının değerlendirilmesi | 1. ROOT’un temel fonksiyonlarının gözden geçirilmesi ve Python kütüphanelerinin (NumPy, Pandas, Matplotlib) incelenmesi Kaynak: Brun & Rademakers, ROOT User’s Guide, Bölüm 1-3. Ek Kaynak: McKinney, Python for Data Analysis, Bölüm 4-6. |
| 3 | Konu Anlatımı: Temel istatistiksel yöntemler. Sınıf-içi Uygulama (5 dk): Ortalama, varyans ve standart sapma hesaplanması. Sınıf-içi Tartışma (5 dk): Deneysel belirsizliklerin öneminin incelenmsi. | 1. Temel istatistiksel kavramların incelenmesi. 2. Olasılık dağılımlarının gözden geçirilmesi Kaynak: Bevington & Robinson, Data Reduction and Error Analysis, Bölüm 1-2. Ek Kaynak: Cowan, Statistical Data Analysis, Bölüm 1. |
| 4 | Konu Anlatımı: Hata analizi yöntemleri. Sınıf-içi Uygulama (5 dk): Hata propagasyonun hesaplanması. Sınıf-içi Tartışma (5 dk): Sistematik ve rastgele hataların ayrımının yapılması. Kısa Sınav 1 (15 dk.): Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması. | 1. Hata analiz tekniklerinin incelenmesi. 2. Belirsizliklerin raporlanması Kaynak: Bevington, Bölüm 3 Ek Kaynak: Cowan, Bölüm 2. |
| 5 | Konu Anlatımı: Monte Carlo simülasyonları. Sınıf-içi Uygulama (5 dk): Rastgele sayı üretimi ve basit simülasyon yapılması. Sınıf-içi Tartışma (5 dk): Monte Carlo yönteminin deneysel veriyle ilişkisinin kurulması. | 1. Hata analiz tekniklerinin incelenmesi Belirsizliklerin raporlanması Kaynak: Bevington, Bölüm 3 Ek Kaynak: Cowan, Bölüm 2. |
| 6 | Konu Anlatımı: Veri temizleme ve ön işleme teknikleri. Sınıf-içi Uygulama (5 dk): Gürültü filtreleme örneğinin incelenmesi. Sınıf-içi Tartışma (5 dk): Gürültünün fiziksel sonuçlara etkisinin değerlendirilmesi. | 1. Veri temizleme yöntemlerinin incelenmesi. 2. Anormal veri noktalarının ayıklanması Kaynak: McKinney, Python for Data Analysis, Bölüm 7 Ek Kaynak: CERN School Lectures, Data Cleaning Notes. |
| 7 | Konu Anlatımı: Olay seçimi ve ayrıştırma yöntemleri. Sınıf-içi Uygulama (5 dk): Bir olay kesme (cut) uygulanması. Sınıf-içi Tartışma (5 dk): Yanlış seçimlerin deneysel sonuçlara etkisinin incelenmesi. | 1. Cut-based selection yöntemlerinin incelenmesi. 2. Sinyal-gürültü oranı analizleri Kaynak: Cowan, Bölüm 3 Ek Kaynak: ATLAS/CMS analiz notları. |
| 8 | Ara Sınav 1 | |
| 9 | Konu Anlatımı: Makine öğrenmesi yaklaşımlarının veri analizinde kullanımı. Sınıf-içi Uygulama (5 dk): Basit sınıflandırma algoritmasının yazılması. Sınıf-içi Tartışma (5 dk): ML yöntemlerinin yüksek enerji fiziğinde yerinin incelenmesi. | 1. ML algoritmalarının gözden geçirilmesi (Decision Trees, Neural Networks). 2. Veri seti örneklerinin incelenmesi Kaynak: Bishop, Pattern Recognition and Machine Learning, Bölüm 1-3 Ek Kaynak: CERN School ML Notes 7. |
| 10 | Konu Anlatımı: Deneysel sonuçların raporlanması. Sınıf-içi Uygulama (5 dk): Grafiklerle veri sunumunun yaplması. Sınıf-içi Tartışma (5 dk): Raporlama standartlarının incelenmesi. Kısa Sınav 2 (15 dk.): Ters yüz edilmiş öğrenme (flipped learning) yöntemi çerçevesinde, ders başında, öğrenciye verilen ön hazırlık görevinde yer alan konuları içeren bir kısa sınavın yapılması. | 1. Veri görselleştirme yöntemlerinin incelenmesi. 2. Bilimsel rapor formatlarının gözden geçirilmesi Kaynak: Bevington, Bölüm 5 Ek Kaynak: CMS Analysis Note Format. |
| 11 | Konu Anlatımı: İstatistiksel hipotez testleri. Sınıf-içi Uygulama (5 dk): Chi2 testinin uygulanması. Sınıf-içi Tartışma (5 dk): Güven aralığı ve p-değerlerinin incelenmesi. | 1. Hipotez testlerinin incelenmesi. 2. Güven aralıklarının yorumlanması Kaynak: Cowan, Bölüm 5 Ek Kaynak: PDG Statistics Review. |
| 12 | Konu Anlatımı: Parçacık huzmeleri ve faz uzayı. Sınıf-içi Uygulama (5 dk): Faz uzayı diyagramlarının çizilmesi. Sınıf-içi Tartışma (5 dk): Huzme stabilitesi tartışmasının yapılması. | 1. Parametre tahmin tekniklerinin gözden geçirilmesi. 2. ML uygulamalarına giriş Kaynak: Cowan, Bölüm 6 Ek Kaynak: Bevington, Bölüm 8. |
| 13 | Konu Anlatımı: Parametre tahmini yöntemleri. Sınıf-içi Uygulama (5 dk): Maximum Likelihood yönteminin kullanılması. Sınıf-içi Tartışma (5 dk): Parametre tahmininde belirsizliklerin incelenmesi. | 1. PCA ve LDA tekniklerinin incelenmesi. 2. Çok değişkenli analiz uygulamaları Kaynak: Bishop, Bölüm 8 Ek Kaynak: CERN ML Tutorials. |
| 14 | Konu Anlatımı: Büyük veri ve yüksek enerji fiziği, Güncel yüksek enerji fiziği deneylerinden veri analizi örnekleri. Sınıf-içi Uygulama (5 dk): LHC veri hacminin örneklendirilmesi, CMS veya ATLAS analizi örneğinin yapılması. Sınıf-içi Tartışma (5 dk): Gelecekteki deneylerde veri analizinin rolü , Büyük veri yönetimindeki zorluklarının incelenmesi. | 1. Büyük veri kavramlarının gözden geçirilmesi. 2. HEP veri altyapısı (GRID sistemleri) Kaynak: Franklin & Hall, Bölüm 6 Ek Kaynak: CERN Open Data Portal. |
| 15 | Öğrenci sunumlarının dinlenmesi. | 1. Sunum konularını hazırlamak, sunum provası yapmak. 2. Seçilen konular üzerine (ör. doğrusal hızlandırıcılar, dairesel hızlandırıcılar, huzme dinamiği, sinkrotron ışınımı, Türkiye’deki hızlandırıcı tesisleri, tıpta ve endüstride uygulamalar) sunum slaytlarını hazırlamak ve tamamlamak. 3. Sunumların gerekli süre ve yapıya uygunluğunu sağlamak için prova yapmak. 4. Seçilen konuyla ilgili ders kitabı ve önerilen kaynakları gözden geçirmek. |
| 16 | Final | |
