Bilgisayar Mühendisliği Lisans Programı

Bilgisayar Mühendisliği İçin Olasılık ve İstatistiğe Giriş(INF211)

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS
INF211 Bilgisayar Mühendisliği İçin Olasılık ve İstatistiğe Giriş 4 3 0 0 3 4
Ön Koşul
Derse Kabul Koşulları
Dersin Dili Fransızca
Türü Zorunlu
Dersin Düzeyi Lisans
Dersi Veren(ler) Keziban ORMAN korman@gsu.edu.tr (e-mail)
Dersin Yardımcıları
Dersin Amacı Öğrencilere olasılık ve istatistik konularında temel kavramları algılamada ve bunlara ilişkin yöntemleri (olayların olasılıkları, rassal değişkenlere ilişkin kurallar ve moment kavramı, önemli dağılımlar, bileşik olasılık fonksiyonları, raporlama, grafik gösterimler örnekleme kavramı, güven aralıkları, hipotez testleri) kullanma yeterliliğine ulaşmada yardımcı olacaktır. Bu kapsamda dersin amaçları şu şekilde belirlenmiştir:
• Öğrenciye olasılık kavramını, özellikle de belirsiz olaylarla ilgili olarak rassal değişkenleri tanıtmak
• Öğrencinin farklı olasılık dağılımlarına hakim olmalarını sağlamak
• Öğrencinin iş dünyasında karşısına çıkabilecek problemlerde özellikle belirsizliğin analizinde olasılık teorisinden faydalanmalarını sağlamak • Öğrencinin, istatistiğin temel kavramlarına hakim olmasını sağlamak.
• Öğrenciye veri analizi, raporlama, grafiksel gösterim prensipleri konusunda bilgi kazandırmak.
• Öğrenciye örneklem seçimi, örneklemden yola çıkarak ana kitle parametre tahminleri yapabilme yetkinliği kazandırmak. • Öğrencinin hipotez testleri ve ileriye yönelik tahminler konularında bilgi sahibi olmasını sağlamak.
İçerik Olasılığa giriş
Olasılık aksiyomları, koşullu olasılık, Bayes teoremi
Rassal değişkenler ve olasılık dağılımları
Olasılık yoğunluk ve dağılım fonksiyonları
Beklenen değer varyans, standart sapma ve momentler
Önemli kesikli dağılımlar ve uygulamaları
Önemli sürekli dağılımlar ve uygulamaları
Ara Sınav
Örneklem seçimi, verilerin düzenlenmesi ve analizi
Raporlama ve gösterimler
Merkezsel eğilim ölçüleri ve dağılım ölçüleri
Örnekleme dağılımları ve tahmin etme
İstatistiksel sonuç çıkarma – Hipotez testi
Regresyon ve korelasyon
Dersin Öğrenme Çıktıları Bu dersi başarıyla tamamlayan öğrenci:
1. Kümeler teorisi ve olasılık aksiyomları arasındaki ilişkiyi açıklayabilir.
2. Rassal değişkenlere ait farklı fonksiyonları ayırt edebilir.
3. Rassal değişkenlerin karakteristik özelliklerini tanımlayabilir.
4. Önemli kesikli ve sürekli dağılımlarını tanır ve aralarındaki ilişkileri açıklayabilir.
6. Olasılık dağılımlarının fonksiyonları yardımıyla olasılık teorisini gerçek hayat örneklerine uygulayabilir. 4-Olasılık ve istatistiğe bağlı bir bilimsel araştırmanın nasıl planlanacağını ve yürütüleceğini öğrenir.
5-Ana kitleden onu temsil eden bir örneğin nasıl alınacağını ve değerlendirileceğini öğrenir.
6-Alınan örneğe dayalı olarak ana kitlenin nasıl tanımlanacağını öğrenir.
7-Ana kitlelerin karşılaştırılmasında varyans analizinin nasıl yapılacağını ve yorumlanacağını öğrenir.
8-Bir ana kitledeki bağlı ve bağımsız değişkenler arasındaki ilişkilerin gücünün ve katsayılarının korelasyon analizi ve regresyon analizi ile nasıl saptanacağını öğrenir.
Öğretim Yöntemleri Ders anlatımı, ödevler, kısa sınavlar, ara sınav ve final
Kaynaklar • Soong, T.T., Fundamentals of Probability and Statistics for Engineers, John Wiley & Sons, 2004.
• Akdeniz, F., Olasılık ve İstatistik, Baki Kitapevi, Eylül 1998.
• Sheldon M., Ross, M., Introduction to probability models, Academic Press, 2003, 8th Ed. • Olasılık – Osman Kara
• Ders Notları
Ders İçeriğini Yazdır
Teori Konu Başlıkları
Hafta Konu Başlıkları
1 Olasılığa giriş
2 Olasılık aksiyomları, koşullu olasılık, Bayes teoremi
3 Rassal değişkenler ve olasılık dağılımları
4 Olasılık yoğunluk ve dağılım fonksiyonları
5 Beklenen değer varyans, standart sapma ve momentler
6 Önemli kesikli dağılımlar ve uygulamaları
7 Önemli sürekli dağılımlar ve uygulamaları
8 Ara Sınav
9 Örneklem seçimi, verilerin düzenlenmesi ve analizi
10 Raporlama ve gösterimler
11 Merkezsel eğilim ölçüleri ve dağılım ölçüleri
12 Örnekleme dağılımları ve tahmin etme
13 İstatistiksel sonuç çıkarma – Hipotez testi
14 Regresyon ve korelasyon
Uygulama Konu Başlıkları
Hafta Konu Başlıkları
Başarı Notuna Etki Oranları
  Sayı Katkı Payı
Yarıyıl içi çalışmaların başarı notuna katkısı 3 50
Yarıyıl sonu çalışmaların başarı notuna katkısı 1 50
Toplam 4 100
Yarıyıl İçi Çalışmaları
  Sayı Katkı Payı
Ödevler 1 5
Sunum 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 40
Proje 0 0
Laboratuar 0 0
Diğer Uygulamalar 0 0
Kısa Sınavlar 1 5
Dönem Ödevi / Projesi 0 0
Portfolyo Çalışmaları 0 0
Raporlar 0 0
Öğrenme Günlükleri 0 0
Bitirme Tezi/Projesi 0 0
Seminer 0 0
Diğer 0 0
Toplam 3 50
Numara Program Yeterlilikleri Puan
1 2 3 4 5
1 Matematik, fizik ve mühendislik bilimleri konularında yeterli bilgi birikimi, X
2 Temel bilimleri Bilgisayar Mühendisliği alanında kullanabilme becerisi, X
3 Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi, X
4 Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri, X
5 Bilişim teknolojilerini etkin bir şekilde seçme, kullanma, yeni gelişen teknolojilere adaptasyon becerisi, X
6 Disiplinlerarası takımlar içinde çalışma becerisi, X
7 Fransızca ve İngilizce olmak üzere en az iki yabancı dil bilgisi,
8 Girişimcilik ve yenilikçilik hakkında farkındalık,
9 Yetki alabilme ve gereğini yerine getirebilme,
10 İş hukuku ve etik konularında bilgi,
11 Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. X
Etkinlikler Sayı Süre Toplam İş Yükü
Ders Süresi 14 3 42
Sınıf Dışı Çalışma Süresi 14 2 28
Ödevler 1 8 8
Sunum 0 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 4 4
Proje 0 0 0
Laboratuar 0 0 0
Diğer Uygulamalar 0 0 0
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) 1 6 6
Kısa Sınavlar 1 3 3
Dönem Ödevi / Projesi 0 0 0
Portfolyo Çalışmaları 0 0 0
Raporlar 0 0 0
Öğrenme Günlükleri 0 0 0
Bitirme Tezi/Projesi 0 0 0
Seminer 0 0 0
Diğer 0 0 0
Toplam İş Yükü 91
Toplam İş Yükü / 25 3,64
Dersin AKTS Kredisi 4
Scroll to Top