Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
İSTATİSTİK VE OLASILIKRYZ2122305Güz Dönemi2+022
Ders Programı

Çarşamba 13:40-14:30

Çarşamba 14:40-15:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Suat ARAPOĞLU
Dersin YardımcılarıÖğretim Görevlisi Dr. Sinem UYSAL
Dersin AmacıBu dersin amacı; öğrencilerin temel istatistik ve olasılık kavramlarını öğrenmesini, veri toplama ve özetleme mantığını anlamasını, basit olasılık hesaplarını yapmasını ve robotik ile yapay zeka uygulamalarında karşılaşılan deney, ölçüm ve veri sonuçlarını temel düzeyde yorumlayabilmesini sağlamaktır.
Dersin İçeriğiBu ders; İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri,Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri,Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler,Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu,Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim,Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş,Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş,Ara Sınav,Sürekli rassal değişkenler ve normal dağılımın temel özellikleri,Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu,Tahminleme ve güven aralıklarına giriş,Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu,Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması,Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması,Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri, değişken, örneklem ve anakütle kavramlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
2. Frekans tablosu, grafik, ortalama, medyan, varyans ve standart sapma gibi betimsel istatistikleri hesaplar ve sonuçlarını analiz eder.1, Anlatım Yöntemi1, Yazılı Sınav
3. Temel olasılık kurallarını, koşullu olasılığı ve Bayes yaklaşımını basit problemler üzerinde uygular.1, Anlatım Yöntemi1, Yazılı Sınav
4. Kesikli ve sürekli rassal değişkenleri, beklenen değer kavramını ve temel olasılık dağılımlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
5. Güven aralığı, hipotez testi, korelasyon ve basit doğrusal regresyon sonuçlarını değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri
2Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri
3Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler
4Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu
5Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim
6Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş
7Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş
8Ara Sınav
9Sürekli rassal değişkenler ve normal dağılımın temel özellikleri
10Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu
11Tahminleme ve güven aralıklarına giriş
12Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu
13Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması
14Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması
15Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri
16Genel Sınav
Kaynak
1. James, G., Witten, D., Hastie, T., Tibshirani, R. ve Taylor, J. (2023). Python Uygulamalarıyla İstatistiksel Öğrenmeye Giriş. Springer. 2. Montgomery, D. C. ve Runger, G. C. (2018). Mühendisler İçin Uygulamalı İstatistik ve Olasılık (7. Baskı). Wiley. 3. Walpole, R. E., Myers, R. H., Myers, S. L. ve Ye, K. (2012). Mühendisler ve Bilim İnsanları İçin Olasılık ve İstatistik (9. Baskı). Pearson. 4. Devore, J. L. (2015). Mühendislik ve Fen Bilimleri İçin Olasılık ve İstatistik (9. Baskı). Cengage Learning. 5. Ross, S. M. (2014). Olasılık Modellerine Giriş (11. Baskı). Academic Press. 6. Hogg, R. V., McKean, J. W. ve Craig, A. T. (2019). Matematiksel İstatistiğe Giriş (8. Baskı). Pearson. 7. Triola, M. F. (2018). Temel İstatistik (13. Baskı). Pearson.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır.
X
2
Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır.
3
Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar.
4
Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular.
X
5
Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür.
X
6
Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar.
X
7
Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir.
X
8
Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir.
9
Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir.
X
10
Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar.
11
Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder.
12
Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler.
X
13
Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır.
14
Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır.
X
15
Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır.

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat)0
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30)0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
İSTATİSTİK VE OLASILIKRYZ2122305Güz Dönemi2+022
Ders Programı

Çarşamba 13:40-14:30

Çarşamba 14:40-15:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Suat ARAPOĞLU
Dersin YardımcılarıÖğretim Görevlisi Dr. Sinem UYSAL
Dersin AmacıBu dersin amacı; öğrencilerin temel istatistik ve olasılık kavramlarını öğrenmesini, veri toplama ve özetleme mantığını anlamasını, basit olasılık hesaplarını yapmasını ve robotik ile yapay zeka uygulamalarında karşılaşılan deney, ölçüm ve veri sonuçlarını temel düzeyde yorumlayabilmesini sağlamaktır.
Dersin İçeriğiBu ders; İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri,Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri,Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler,Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu,Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim,Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş,Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş,Ara Sınav,Sürekli rassal değişkenler ve normal dağılımın temel özellikleri,Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu,Tahminleme ve güven aralıklarına giriş,Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu,Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması,Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması,Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri, değişken, örneklem ve anakütle kavramlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
2. Frekans tablosu, grafik, ortalama, medyan, varyans ve standart sapma gibi betimsel istatistikleri hesaplar ve sonuçlarını analiz eder.1, Anlatım Yöntemi1, Yazılı Sınav
3. Temel olasılık kurallarını, koşullu olasılığı ve Bayes yaklaşımını basit problemler üzerinde uygular.1, Anlatım Yöntemi1, Yazılı Sınav
4. Kesikli ve sürekli rassal değişkenleri, beklenen değer kavramını ve temel olasılık dağılımlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
5. Güven aralığı, hipotez testi, korelasyon ve basit doğrusal regresyon sonuçlarını değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri
2Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri
3Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler
4Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu
5Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim
6Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş
7Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş
8Ara Sınav
9Sürekli rassal değişkenler ve normal dağılımın temel özellikleri
10Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu
11Tahminleme ve güven aralıklarına giriş
12Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu
13Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması
14Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması
15Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri
16Genel Sınav
Kaynak
1. James, G., Witten, D., Hastie, T., Tibshirani, R. ve Taylor, J. (2023). Python Uygulamalarıyla İstatistiksel Öğrenmeye Giriş. Springer. 2. Montgomery, D. C. ve Runger, G. C. (2018). Mühendisler İçin Uygulamalı İstatistik ve Olasılık (7. Baskı). Wiley. 3. Walpole, R. E., Myers, R. H., Myers, S. L. ve Ye, K. (2012). Mühendisler ve Bilim İnsanları İçin Olasılık ve İstatistik (9. Baskı). Pearson. 4. Devore, J. L. (2015). Mühendislik ve Fen Bilimleri İçin Olasılık ve İstatistik (9. Baskı). Cengage Learning. 5. Ross, S. M. (2014). Olasılık Modellerine Giriş (11. Baskı). Academic Press. 6. Hogg, R. V., McKean, J. W. ve Craig, A. T. (2019). Matematiksel İstatistiğe Giriş (8. Baskı). Pearson. 7. Triola, M. F. (2018). Temel İstatistik (13. Baskı). Pearson.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır.
X
2
Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır.
3
Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar.
4
Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular.
X
5
Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür.
X
6
Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar.
X
7
Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir.
X
8
Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir.
9
Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir.
X
10
Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar.
11
Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder.
12
Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler.
X
13
Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır.
14
Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır.
X
15
Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır.

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu