Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
SEZİM VE KESTİRİM TEORİSİ	İkinci Düzey	EEM 619		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Ön Koşul Dersleri Bulunmamaktadır
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. İBRAHİM DEVELİ
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. İBRAHİM DEVELİ
Yardımcı Öğretim Eleman(lar)ı	Yok
Dersin Veriliş Şekli	Ders, çoğunluğu teorik olmak üzere öğretim elemanı ve öğrenci merkezli verilmektedir. Dersin tamamlanmasına 4-5 hafta kala ise öğrencilere çeşitli araştırma ödevleri verilerek tamamen öğrenci merkezli eğitim yolu takip edilmektedir.
Dersin Amacı	Sezim ve kestirim arasındaki farkların öğrenilmesi, kestirimde kullanılan yaklaşımların matematiksel temellerinin bilinmesi amaçlanmaktadır.
Dersin Tanımı	Hipotez testi unsurları, Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları. Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme. En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi. Bilinen sinyallerin beyaz ve beyaz olmayan Gauss gürültüsü varlığında sezimi ve kestirimi. Çok kullanıcılı sezme, optimum çok kullanıcılı sezici, ilişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici, karar yönelimli seziciler.

Dersin İçeriği

1	Hipotez testi unsurları
2	Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları
3	Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları
4	Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme
5	Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme
6	En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi
7	En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi
8	Bilinen sinyallerin beyaz ve beyaz olmayan Gauss gürültüsü varlığında sezimi ve kestirimi
9	Çok kullanıcılı sezme
10	Optimum çok kullanıcılı sezici
11	Optimum çok kullanıcılı sezici
12	İlişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici
13	İlişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici
14	Karar yönelimli seziciler
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Matematik, fen ve mühendislik bilgilerini uygulama becerisi
2	Mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi
3	Sezim ve kestirim arasındaki farkların öğrenilmesi
4	Kestirimde kullanılan yaklaşımların matematiksel temellerinin bilinmesi
5	Gauss gürültüsü varlığında sezimi ve kestirimi
6	Çok kullanıcılı sezmenin ve türlerinin öğrenilmesi
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	veteriner cerrahi alanındaki güncel bilgilere sahip olmak ve uzmanlık eğitimine hazır olabilmek
2	veteriner cerrahi alanındaki güncel uygulamaları yapabilmek
3	Bağımsız olarak ve ayrıca çalışma ekibinin lideri ve bir üyesi olarak sorumluluk alabilmek, planlama yapabilmek, çalışabilmek, karşılaşılan sorunları çözebilmek
4	Yaşam boyu öğrenme ile ilişkili olarak sağlık alanındaki yeni bilgilere ulaşabilmek, değerlendirebilmek ve uygulayabilmek
5	Yabancı dili de kullanarak sağlık alanında yurt içinde ve yurt dışındaki meslektaşları ile iletişim kurabilmek
6	Sağlık alanındaki verileri toplayabilmek, değerlendirebilmek ve kalite yönetimi sürecine uygun hareket edebilmek
7	veteriner cerrahi alanındaki spesifik bilgilere sahip olmak
8	veteriner cerrahi alanındaki deneysel uygulamaları yapabilmek
9	veteriner cerrahi alanındaki edinilen bilgileri sentezleyip, yeni fikirler oluşturabilmek
10
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	4	56
Ödevler	7	4	28
Sunum / Seminer hazırlama	2	1	2
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	5	8	40
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	1	3	3
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	10	10
Yarıyıl sonu sınavı	1	2	2
Araştırma	0	0	0
Toplam iş yükü			185
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	0	0
Kısa sınav	0	0
Ödev	1	100
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	K. S. Shanmugan and A. M. Breipohl, Random Signals: Detection, Estimation and Data Analysis, John Wiley and Sons, 1988.
Yardımcı Kaynaklar	M. Barkat, Signal Detection and Estimation, Artech House, 2005.

Ders İle İlgili Dosyalar