| Ders Açıklaması |
Bu ders istatistiksel analize giriş dersi olarak tasarlanmıştır. Dersin amacı farklı kaynaklardan elde edilen verilerin analiz yöntemleri konusunda öğrencileri geliştirmektir. Dersin içeriği farklı veri tiplerini, bunların merkezi eğilim, dağılım ve şekil parametrelerinin tespiti, birden fazla değişken arasındaki ilişkinin incelenmesini de içermektedir. Öğrencilerin dersi başarıyla tamamlamaları halinde evren ortalaması, varyansı, ilişkili ve ilişkisiz örneklemler ortalama farkları gibi parametreler için güvenirlik aralığı hesaplayabilmeleri, hipotez testlerini yapabilmeleri ve bu testlerin sonuçlarını yorumlayabilmeleri beklenmektedir. Ayrıca öğrencilerin bağımsızlık testlerini yapabilmeleri, doğrusal regresyon modellerini kurabilmeleri, model parametrelerini hesaplayabilmeleri ve bunları kullanarak istatistiksel tahmin yapabilmeleri beklenmektedir. |
Ders Öğrenme Çıktıları ve Yeterlilikler
Bu dersi başarıyla tamamlayabilen öğrenciler:
1) Sayısal ve kategorik verileri frekans dağılımı, histogramlar ve tanımlayıcı istatistiklerin (ortalama, medyan, varyans) hesaplanmasıyla elle ve/veya Excel ve/veya Google E-Tablolar kullanarak özetlemek. Kovaryans ve korelasyon katsayısını kullanarak iki değişken arasındaki ilişkiyi elle ve/veya Excel ve/veya Google E-Tablolar kullanarak analiz etme ve yorumlamak
2) Örnekleme dağılımları, tahmin, güven aralıkları ve hipotez testi (tip I ve II hatalar) ile ilgili temel kavramları anlamak, çeşitli istatistiksel teknikler arasındaki farkları açıklamak ve belirli bir değişkenler ve araştırma soruları seti için uygun bir teknik belirlemek.
3) Popülasyon ortalaması, popülasyon oranı, popülasyon farklılıkları, uyum iyiliği, bağımsızlık testleri ve popülasyon varyanslarına ilişkin hipotez testlerinin (t-testi, z-testi, ki-kare testi, F-testi) sonuçlarını tasarlamak, çözmek ve yorumlamak.
4) Popülasyon ortalamalarını karşılaştırmak için Varyans Analizi (ANOVA) sonuçlarını tasarlamak, çözmek ve yorumlamak. Sayısal verileri grafiklerle analiz etmek, Excel kullanarak basit ve çoklu doğrusal regresyon modellerinin geçerliliğini oluşturmak ve test etmek. Tahmin ve tahminde regresyon modellerinin kullanımını anlamak.
|
| |
Program Çıktıları ve Yeterlilikler |
Düzey |
Değerlendirme |
| 1) |
Lisans derecesi sırasında edinilen beceriler üzerine inşa edilen, makine öğrenimiyle ilgili büyük veri analitiği alanında geliştirilmiş ve derinleştirilmiş bir uzmanlık düzeyi. |
H |
|
| 2) |
Makine öğrenimiyle ilgili istatistik, hesaplama ve bilgisayar bilimi alanlarında derinlemesine teorik ve pratik bilgi uygulanmıştır. |
H |
|
| 3) |
Makine öğreniminde kullanılan analiz ve modelleme yöntemleri ve bunların sınırlamaları hakkında kapsamlı bilgi. |
H |
|
| 4) |
Analitik, modelleme ve deneye dayalı keşifsel araştırma tasarlama ve gerçekleştirme; bu süreçte karşılaşılan karmaşık durumlara çözümler üretme ve sonuçları yorumlama becerisi. |
H |
|
| 5) |
Analitik süreci ve sonuçlarını makine öğrenimi alanı içinde veya dışında ulusal ve uluslararası platformlarda hem sözlü hem de yazılı olarak tanımlayabilme. |
S |
|
| 6) |
Makine öğrenimi, işleme, kullanım, yorumlama ve yayma aşamaları ve ilgili tüm mesleki faaliyetlerle ilgili sosyal, bilimsel ve etik değerlerin farkında olma. |
S |
|
| 7) |
Makine öğrenimi alanındaki yeni ve ortaya çıkan uygulamalar hakkında profesyonel farkındalık ve bunların kullanımlarını gösterme becerisi. |
S |
|
| 8) |
Çok disiplinli takımlarda lider olarak hareket etme, karmaşık durumlara büyük veri odaklı çözümler geliştirme yeteneği; sorumluluk almak. |
N |
|
| 9) |
Avrupa Dil Portföyü Genel Seviye B2'de hem sözlü hem de yazılı olarak İngilizce iletişim kurabilme yeteneği. |
S |
|
| 10) |
Makine öğrenimi uygulamalarının sosyal ve çevresel yönlerini anlama. |
N |
|
| Hafta |
Konu |
| 1) |
1. Veri ve İstatistik
1.1 Veriler, veri türleri, veri kaynakları
2. Tanımlayıcı İstatistikler
2.1 Kategorik değişkenlere ilişkin verilerin özetlenmesi |
| 2) |
2. Tanımlayıcı İstatistikler
2.2 Nicel değişkenlere ilişkin verilerin özetlenmesi
2.3 Konum ölçüleri
2.4 Değişkenlik ölçüleri
2.5 Dağılım şeklinin ölçüleri |
| 3) |
2. Tanımlayıcı İstatistikler
2.6 Kutu grafikleri
2.7 İki değişken arasındaki ilişkinin ölçümleri
2.8 İki değişken için verilerin özetlenmesi
2.9 Ağırlıklı ortalama ve gruplandırılmış verilerle çalışma |
| 4) |
3. Örnekleme Dağılımları ve Aralık Tahmini
3.1 Nokta tahmini
3.2 Örnek ortalamasının örnekleme dağılımı
3.3 Büyük sayılar kanunu ve merkezi limit teoremi
3.4 Örnek oranının örnekleme dağılımı |
| 5) |
3. Örnekleme Dağılımları ve Aralık Tahmini
3.5 Popülasyon ortalaması, bilinen varyans için aralık tahmini
3.6 Popülasyon ortalaması, bilinmeyen varyans için aralık tahmini
3.7 Popülasyon farklılıkları için aralık tahmini |
| 6) |
3. Örnekleme Dağılımları ve Aralık Tahmini
3.7 Popülasyon farklılıkları için aralık tahmini (devamı)
3.8 Popülasyon varyansı için aralık tahmini |
| 7) |
4. Hipotez Testinin Temelleri
4.1 Boş ve alternatif hipotez
4.2 Tip I ve II hataları
4.3 Hipotez testi için istatistiksel teknikler |
| 8) |
5. Tek Örneklem İçeren Hipotez Testi
5.1 Popülasyon ortalamasının, bilinen varyansın test edilmesi
5.2 Popülasyon ortalamasının, bilinmeyen varyansının test edilmesi
5.3 Nüfus oranının test edilmesi
5.4 Popülasyon varyansının test edilmesi |
| 9) |
6. Çoklu Örneklem İçeren Hipotez Testi
6.1 Nüfus farklılıklarının ve bilinen varyansların test edilmesi
6.2 Popülasyon farklılıklarının, bilinmeyen varyansların test edilmesi
6.3 Popülasyon farklılıklarının, eşleştirilmiş örneklerin test edilmesi |
| 10) |
6. Çoklu Örneklem İçeren Hipotez Testi
6.4 Nüfus varyanslarının oranının test edilmesi
6.5 Uyum İyiliği testi ve Testin bağımsızlığı |
| 11) |
Varyans Analizi |
| 12) |
8. Doğrusal Regresyon
8.1 Basit doğrusal regresyon
8.2 Doğrusal regresyon kullanarak tahmin ve tahmin |
| 13) |
8. Doğrusal Regresyon
8.3 Çoklu regresyon
8.4 Lojistik regresyon |
| 14) |
Farklı problemler için uygun testlere karar vermenin gözden geçirilmesi |
| 15) |
Proje/Sunum Dönemi |
| 16) |
Proje/Sunum Dönemi |
Bilgi Paketi / Ders Kataloğu