Ders Detayı
Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İNŞAAT MÜHENDİSLİĞİNDE VERİ ANALİZİ | CEEY1217498 | Bahar Dönemi | 3+0 | 3 | 8 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Öğr.Gör.Dr. Cem YILMAZER |
| Dersi Verenler | Öğr.Gör.Dr. Cem YILMAZER |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu dersin temel amacı; inşaat mühendisliği konularında gerçek dünya mühendislik verilerini (akım, yağış, dalga, malzeme, yapı sağlığı vb.) temizlemek, istatistiksel olarak modellemek ve ileri seviye analizlerle (mekânsal/zamansal) yorumlamak için gereken analitik vizyonu ve sayısal hesaplama (MATLAB/Python) becerilerini kazandırmaktır. |
| Dersin İçeriği | Bu ders; Temel İstatistiksel Kavramlar,Olasılık Teorisi, Olasılık Yoğunluk ve Kümülatif Dağılım Fonksiyonları,Mühendislikte Olasılık Dağılımları,Veri Ön İşleme ve Boyut İndirgeme,Hipotez Testleri ve Güven Aralıkları,Linear Regression and Correlation,Çoklu Regresyon ve Eğri Uydurma,Hata Metrikleri ve Model Performansı,Zaman Serileri Analizine Giriş,Stokastik Süreçler ve Zamansal Bağımlılık,Zaman Serilerinin Harmonik ve Spektral Analizi,Veri Gürültü Giderme,Mekânsal Veri Analizi ve Enterpolasyon,Vaka Analizleri ve Proje Sunumları; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Temel istatistiksel kavramları, olasılık dağılımlarını ve veri ön işleme/boyut indirgeme tekniklerini uygular. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Doğrusal ve doğrusal olmayan regresyon ile eğri uydurma modelleri geliştirir ve performanslarını değerlendirir. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Stokastik süreçleri ve zamansal bağımlılıkları analiz eder ve modeller. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| MATLAB/Python kullanarak mühendislik problemlerinde kapsamlı veri analizi süreçlerini yürütür. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel İstatistiksel Kavramlar | Kitap ve ders notlarını inceleme |
| 2 | Olasılık Teorisi, Olasılık Yoğunluk ve Kümülatif Dağılım Fonksiyonları | Kitap ve ders notlarını inceleme |
| 3 | Mühendislikte Olasılık Dağılımları | Kitap ve ders notlarını inceleme |
| 4 | Veri Ön İşleme ve Boyut İndirgeme | Kitap ve ders notlarını inceleme |
| 5 | Hipotez Testleri ve Güven Aralıkları | Kitap ve ders notlarını inceleme |
| 6 | Linear Regression and Correlation | Kitap ve ders notlarını inceleme |
| 7 | Çoklu Regresyon ve Eğri Uydurma | Kitap ve ders notlarını inceleme |
| 8 | Hata Metrikleri ve Model Performansı | Kitap ve ders notlarını inceleme |
| 9 | Zaman Serileri Analizine Giriş | Kitap ve ders notlarını inceleme |
| 10 | Stokastik Süreçler ve Zamansal Bağımlılık | Kitap ve ders notlarını inceleme |
| 11 | Zaman Serilerinin Harmonik ve Spektral Analizi | Kitap ve ders notlarını inceleme |
| 12 | Veri Gürültü Giderme | Kitap ve ders notlarını inceleme |
| 13 | Mekânsal Veri Analizi ve Enterpolasyon | Kitap ve ders notlarını inceleme |
| 14 | Vaka Analizleri ve Proje Sunumları | Kitap ve ders notlarını inceleme |
| Kaynak |
| Brunton, S. L., & Kutz, J. N. (2022). Data-driven science and engineering: Machine learning, dynamical systems, and forecasting (2nd ed.). Cambridge University Press. Trauth, M. H. (2021). MATLAB recipes for earth sciences (5th ed.). Springer. Gilat, A. (2016). MATLAB: An introduction with applications (6th ed.). John Wiley & Sons. Papoulis, A., & Pillai, S. U. (2002). Probability, random variables, and stochastic processes (4th ed.). McGraw-Hill. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | ||||||
| 3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | ||||||
| 4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | ||||||
| 5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
| 7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | ||||||
| 8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır. | ||||||
| 9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
| 10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 50 | |
| Genel Sınavın Başarıya Oranı | 50 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Ders Saati | 14 | 3 | 42 | |||
| Rehberli Problem Çözme | 5 | 1 | 5 | |||
| Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 6 | 25 | 150 | |||
| Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
| Proje Sunumu / Seminer | 0 | 0 | 0 | |||
| Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
| Ara Sınav ve Hazırlığı | 1 | 20 | 20 | |||
| Genel Sınav ve Hazırlığı | 1 | 30 | 30 | |||
| Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
| Toplam İş Yükü (Saat) | 247 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(247/30) | 8 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İNŞAAT MÜHENDİSLİĞİNDE VERİ ANALİZİ | CEEY1217498 | Bahar Dönemi | 3+0 | 3 | 8 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Öğr.Gör.Dr. Cem YILMAZER |
| Dersi Verenler | Öğr.Gör.Dr. Cem YILMAZER |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu dersin temel amacı; inşaat mühendisliği konularında gerçek dünya mühendislik verilerini (akım, yağış, dalga, malzeme, yapı sağlığı vb.) temizlemek, istatistiksel olarak modellemek ve ileri seviye analizlerle (mekânsal/zamansal) yorumlamak için gereken analitik vizyonu ve sayısal hesaplama (MATLAB/Python) becerilerini kazandırmaktır. |
| Dersin İçeriği | Bu ders; Temel İstatistiksel Kavramlar,Olasılık Teorisi, Olasılık Yoğunluk ve Kümülatif Dağılım Fonksiyonları,Mühendislikte Olasılık Dağılımları,Veri Ön İşleme ve Boyut İndirgeme,Hipotez Testleri ve Güven Aralıkları,Linear Regression and Correlation,Çoklu Regresyon ve Eğri Uydurma,Hata Metrikleri ve Model Performansı,Zaman Serileri Analizine Giriş,Stokastik Süreçler ve Zamansal Bağımlılık,Zaman Serilerinin Harmonik ve Spektral Analizi,Veri Gürültü Giderme,Mekânsal Veri Analizi ve Enterpolasyon,Vaka Analizleri ve Proje Sunumları; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Temel istatistiksel kavramları, olasılık dağılımlarını ve veri ön işleme/boyut indirgeme tekniklerini uygular. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Doğrusal ve doğrusal olmayan regresyon ile eğri uydurma modelleri geliştirir ve performanslarını değerlendirir. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Stokastik süreçleri ve zamansal bağımlılıkları analiz eder ve modeller. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| MATLAB/Python kullanarak mühendislik problemlerinde kapsamlı veri analizi süreçlerini yürütür. | 10, 12, 14, 16, 19, 6, 9 | A, E, F |
| Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel İstatistiksel Kavramlar | Kitap ve ders notlarını inceleme |
| 2 | Olasılık Teorisi, Olasılık Yoğunluk ve Kümülatif Dağılım Fonksiyonları | Kitap ve ders notlarını inceleme |
| 3 | Mühendislikte Olasılık Dağılımları | Kitap ve ders notlarını inceleme |
| 4 | Veri Ön İşleme ve Boyut İndirgeme | Kitap ve ders notlarını inceleme |
| 5 | Hipotez Testleri ve Güven Aralıkları | Kitap ve ders notlarını inceleme |
| 6 | Linear Regression and Correlation | Kitap ve ders notlarını inceleme |
| 7 | Çoklu Regresyon ve Eğri Uydurma | Kitap ve ders notlarını inceleme |
| 8 | Hata Metrikleri ve Model Performansı | Kitap ve ders notlarını inceleme |
| 9 | Zaman Serileri Analizine Giriş | Kitap ve ders notlarını inceleme |
| 10 | Stokastik Süreçler ve Zamansal Bağımlılık | Kitap ve ders notlarını inceleme |
| 11 | Zaman Serilerinin Harmonik ve Spektral Analizi | Kitap ve ders notlarını inceleme |
| 12 | Veri Gürültü Giderme | Kitap ve ders notlarını inceleme |
| 13 | Mekânsal Veri Analizi ve Enterpolasyon | Kitap ve ders notlarını inceleme |
| 14 | Vaka Analizleri ve Proje Sunumları | Kitap ve ders notlarını inceleme |
| Kaynak |
| Brunton, S. L., & Kutz, J. N. (2022). Data-driven science and engineering: Machine learning, dynamical systems, and forecasting (2nd ed.). Cambridge University Press. Trauth, M. H. (2021). MATLAB recipes for earth sciences (5th ed.). Springer. Gilat, A. (2016). MATLAB: An introduction with applications (6th ed.). John Wiley & Sons. Papoulis, A., & Pillai, S. U. (2002). Probability, random variables, and stochastic processes (4th ed.). McGraw-Hill. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | ||||||
| 3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | ||||||
| 4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | ||||||
| 5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
| 7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | ||||||
| 8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır. | ||||||
| 9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
| 10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 50 | |
| Genel Sınavın Başarıya Oranı | 50 | |
| Toplam | 100 | |