Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İSTATİSTİK VE OLASILIK | RYZ2122305 | Güz Dönemi | 2+0 | 2 | 2 |
| Ders Programı | Çarşamba 13:40-14:30 Çarşamba 14:40-15:30 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | Dr.Öğr.Üye. Suat ARAPOĞLU |
| Dersin Yardımcıları | Öğretim Görevlisi Dr. Sinem UYSAL |
| Dersin Amacı | Bu 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Veri, değişken, örneklem ve anakütle kavramlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Frekans tablosu, grafik, ortalama, medyan, varyans ve standart sapma gibi betimsel istatistikleri hesaplar ve sonuçlarını analiz eder. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Temel olasılık kurallarını, koşullu olasılığı ve Bayes yaklaşımını basit problemler üzerinde uygular. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Kesikli ve sürekli rassal değişkenleri, beklenen değer kavramını ve temel olasılık dağılımlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Güven aralığı, hipotez testi, korelasyon ve basit doğrusal regresyon sonuçlarını değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri | |
| 2 | Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri | |
| 3 | Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler | |
| 4 | Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu | |
| 5 | Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim | |
| 6 | Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş | |
| 7 | Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş | |
| 8 | Ara Sınav | |
| 9 | Sürekli rassal değişkenler ve normal dağılımın temel özellikleri | |
| 10 | Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu | |
| 11 | Tahminleme ve güven aralıklarına giriş | |
| 12 | Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu | |
| 13 | Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması | |
| 14 | Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması | |
| 15 | Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (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
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İSTATİSTİK VE OLASILIK | RYZ2122305 | Güz Dönemi | 2+0 | 2 | 2 |
| Ders Programı | Çarşamba 13:40-14:30 Çarşamba 14:40-15:30 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | Dr.Öğr.Üye. Suat ARAPOĞLU |
| Dersin Yardımcıları | Öğretim Görevlisi Dr. Sinem UYSAL |
| Dersin Amacı | Bu 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Veri, değişken, örneklem ve anakütle kavramlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Frekans tablosu, grafik, ortalama, medyan, varyans ve standart sapma gibi betimsel istatistikleri hesaplar ve sonuçlarını analiz eder. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Temel olasılık kurallarını, koşullu olasılığı ve Bayes yaklaşımını basit problemler üzerinde uygular. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Kesikli ve sürekli rassal değişkenleri, beklenen değer kavramını ve temel olasılık dağılımlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Güven aralığı, hipotez testi, korelasyon ve basit doğrusal regresyon sonuçlarını değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | İstatistiğe giriş; veri, değişken, anakütle, örneklem ve ölçme düzeyleri | |
| 2 | Verilerin düzenlenmesi; frekans tabloları, sınıflandırma ve temel grafik gösterimleri | |
| 3 | Merkezi eğilim ölçüleri; aritmetik ortalama, medyan, mod ve örnek problemler | |
| 4 | Yayılım ölçüleri; açıklık, varyans, standart sapma ve değişkenlik yorumu | |
| 5 | Temel olasılık kavramları; deney, olay, örnek uzay, birleşim ve kesişim | |
| 6 | Koşullu olasılık, bağımsızlık ve Bayes yaklaşımına giriş | |
| 7 | Rassal değişkenler; beklenen değer ve kesikli olasılık dağılımlarına giriş | |
| 8 | Ara Sınav | |
| 9 | Sürekli rassal değişkenler ve normal dağılımın temel özellikleri | |
| 10 | Örnekleme, örneklem ortalaması ve merkezi limit teoreminin temel yorumu | |
| 11 | Tahminleme ve güven aralıklarına giriş | |
| 12 | Hipotez testlerine giriş; sıfır hipotezi, alternatif hipotez, anlamlılık düzeyi ve p-değeri yorumu | |
| 13 | Korelasyon ve kovaryans; iki değişken arasındaki ilişkinin temel düzeyde yorumlanması | |
| 14 | Basit doğrusal regresyon; model, hata kavramı ve tahmin sonuçlarının yorumlanması | |
| 15 | Robotik ve yapay zeka verilerinde temel istatistiksel değerlendirme; hata, doğruluk, performans ve tekrar edilebilirlik örnekleri | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |