Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
BAYESGİL İSTATİSTİK İkinci Düzey ENM 537 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri ---
Eğitimin Dili Türkçe
Koordinatör DOÇ. DR. SELDA KAPAN ULUSOY
Dersi Veren Öğretim Eleman(lar)ı DOÇ. DR. SELDA KAPAN ULUSOY
Yardımcı Öğretim Eleman(lar)ı ---
Dersin Veriliş Şekli Teorik, yüz yüze
Dersin Amacı Bayesgil istatistiğin temellerinin öğrenilip problem çözümünde kullanılması
Dersin Tanımı Olasılığın farklı yorumları, öncüldağılım, olabilirlik fonksiyonu, soncul dağılım, conjugate dağılımlar, Markov Chain Monte Carlo yöntemleri

Dersin İçeriği
1 Olasılığın yorumları
2 Koşullu olasılık ve Bayes teoremi
3 Öncül dağılım, olabilirlik fonksiyonu, soncul dağılım, kestirimci dağılım
4 Öncül dağılım, olabilirlik fonksiyonu, soncul dağılım, kestirimci dağılım
5 Conjugate öncül dağılımlar
6 Oranlar için Modeller
7 İki oranın karşılaştırılması
8 Vize
9 Ortalama için modeller
10 İki ortalamanın karşılaştırılması
11 Uzman görüşünün alınması
12 Soncul dağılımın benzetim yolu ile bulunması
13 Soncul dağılımın benzetim yolu ile bulunması
14 Markov Chain Monte Carlo yöntemleri
15 Markov Chain Monte Carlo yöntemleri
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Bayesgil istatistiğin temel kavramlarının öğrenilmesi
2 Problem çözümünde Bayesgil yöntemlerin kullanılabilmesi
3 Conjugate dağlımları problem çözümünde uygulayabilme
4 Ortalama modellerini uygulayabilme
5 Oran modellerini uygulayabilme
6 Soncul dağılımı benzetim yoluyla bulabilme
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Endüstri mühendisliği alanında ileri düzeyde kuramsal ve uygulamalı bilgiye sahip olarak, bu bilgileri disiplinler arası bağlamda bütünleştirip karmaşık mühendislik problemlerinin çözümünde etkin ve eleştirel bir yaklaşımla kullanabilme.
2 Karmaşık ve belirsizlik içeren endüstri mühendisliği problemlerini ileri matematiksel, istatistiksel ve optimizasyon temelli yöntemlerle modelleyebilme, çözümleyebilme ve alternatif çözüm yaklaşımlarını karşılaştırmalı olarak değerlendirebilme.
3 Alanıyla ilgili ulusal ve uluslararası bilimsel literatürü sistematik ve eleştirel bir bakış açısıyla inceleyebilme, elde edilen bilgileri sentezleyerek yeni bakış açıları geliştirebilme.
4 Gerçek hayat sistemlerini analitik modelleme, simülasyon ve veri analitiği teknikleri kullanarak temsil edebilme, elde edilen sonuçları yorumlayarak karar verme süreçlerine bilimsel katkı sağlayabilme.
5 Endüstri mühendisliği alanına yönelik bir problemi bilimsel araştırma yöntemlerine uygun biçimde tanımlayabilme, araştırma tasarlayabilme, veri toplayabilme, analiz edebilme ve sonuçları bilimsel olarak yorumlayabilme.
6 Farklı disiplinlerden uzmanlarla birlikte çok disiplinli takımlarda etkin rol alabilme, sistem yaklaşımı çerçevesinde karmaşık problemlerin çözümüne katkı sunabilme.
7 Alanıyla ilgili bir çalışmayı bağımsız olarak planlayabilme, yürütebilme ve sonuçlandırabilme, bu süreçte bilimsel etik ilkelere ve kalite standartlarına uygun hareket edebilme.
8 Elde ettiği bulguları bilimsel raporlar, teknik dokümanlar ve sözlü sunumlar aracılığıyla açık, sistematik ve etkili bir şekilde ifade edebilme.
9 Gerçekleştirdiği araştırma sonuçlarını ulusal ve/veya uluslararası bilimsel platformlarda sunabilme, akademik yayın haline getirebilme ve bilimsel tartışmalara katkı sağlayabilme.
10 Alanında kullanılan modern mühendislik araçlarını, yazılımları ve veri analitiği tekniklerini ileri düzeyde kullanabilme ve bu araçları problem çözüm süreçlerine entegre edebilme.
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 3 42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 3 42
Ödevler 1 10 10
Sunum / Seminer hazırlama 1 10 10
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 30 30
Ara sınavlar 1 3 3
Proje (Yarıyıl ödevi) 1 30 30
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 15 15
Yarıyıl sonu sınavı 1 3 3
Araştırma 0 0 0
Toplam iş yükü     185
AKTS     7.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 50
Kısa sınav 0 0
Ödev 1 50
Yarıyıl içi toplam   100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Ders notları
Yardımcı Kaynaklar Bayesian Data Analysis. Andrew Gelman

Ders İle İlgili Dosyalar