LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Bilgisayar Mühendisliği Yüksek Lisans Programı (Tezli)
EEE 542 | Ders Tanıtım Bilgileri
| Dersin Adı |
Sezim ve Kestirim Kuramı
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
EEE 542
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
| Ön-Koşul(lar) |
Yok
|
|||||
| Dersin Dili |
İngilizce
|
|||||
| Dersin Türü |
Seçmeli
|
|||||
| Dersin Düzeyi |
Yüksek Lisans
|
|||||
| Dersin Veriliş Şekli | - | |||||
| Dersin Öğretim Yöntem ve Teknikleri | - | |||||
| Dersin Koordinatörü | - | |||||
| Öğretim Eleman(lar)ı | ||||||
| Yardımcı(ları) | - | |||||
| Dersin Amacı | Bu ders, sezim ve kestirim kuramına girişi yüksek lisans seviyesinde öğretmeyi amaçlamaktadır. Dersin içeriğinde Gauss-Markov süreçleri ve stokastik türevsel denklemler, Bayes kestirim kuramı, Maksimum olasılık, doğrusal minimum sapma, enküçük-kareler kestirimleri, Kestiricilerin özellikleri, Hata analizi, Doğrusal sistemler için durum tahmini, Kalman-Bucy ve Wiener süzgeçleri, Tesviye ve önkestirim yöntemleri, Doğrusal olmayan kestirim, Süzgeç uygulamaları, Haberleşme, kontrol, sistem tanıma ve biyomedikal mühendisliği uygulamaları bulunmaktadır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Gauss-Markov süreçleri ve stokastik türevsel denklemler, Bayes kestirim kuramı, Maksimum olasılık, doğrusal minimum sapma, enküçük-kareler kestirimleri, Kestiricilerin özellikleri, Hata analizi, Doğrusal sistemler için durum tahmini, Kalman-Bucy ve Wiener süzgeçleri, Tesviye ve önkestirim yöntemleri, Doğrusal olmayan kestirim, Süzgeç uygulamaları, Haberleşme, kontrol, sistem tanıma ve biyomedikal mühendisliği uygulamaları. |
|
|
Temel Ders | |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri | ||
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
| Hafta | Konular | Ön Hazırlık |
| 1 | Giriş, Olasılık, Rasgele Vektörler, Vektör Uzayları | Lecture notes |
| 2 | Sezim Kuramı, Karar Kuramı ve Hipotez Testi | Lecture notes |
| 3 | Sezim Kuramı, Karar Kuramı ve Hipotez Testi | Lecture notes |
| 4 | Sezim Kuramı, Karar Kuramı ve Hipotez Testi | Lecture notes |
| 5 | Parametre Kestirimi | Lecture notes |
| 6 | Maksimum Olabilirlik Kestirimi | Lecture notes |
| 7 | Stokastik Süreçler ve Sistemler | Lecture notes |
| 8 | Ara sınav | |
| 9 | Karhunen-Loeve ve Örneklenmiş İşaret Açılımları | Lecture notes |
| 10 | Dalga Şekilleri Gözlemlerinden Sezim ve Kestirim | Lecture notes |
| 11 | Wiener ve Kalman Süzgeçleri | Lecture notes |
| 12 | İleri Konular | Lecture notes |
| 13 | Sınıf-içi Sunumlar | |
| 14 | Sınıf-içi Sunumlar | |
| 15 | Sınıf-içi Sunumlar | |
| 16 | Dönemin gözden geçirilmesi |
| Ders Kitabı | Fundamentals of Statistical Signal Processing, Volume 1: Estimation Theory, Steven Kay, 1993. ISBN 0-13-345711-7 Fundamentals of Statistical Signal Processing, Volume 2: Detection Theory, Steven Kay, 1998. ISBN 0-13-504135-X |
| Önerilen Okumalar/Materyaller | İlgili Araştırma Makaleleri |
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım | ||
| Laboratuvar / Uygulama | ||
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev |
5
|
30
|
| Sunum / Jüri Önünde Sunum | ||
| Proje |
1
|
30
|
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav | ||
| Final Sınavı |
1
|
40
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
6
|
60
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
| Toplam |
AKTS / İŞ YÜKÜ TABLOSU
| Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
|---|---|---|---|
| Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
3
|
48
|
| Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
0
|
|
| Sınıf Dışı Ders Çalışması |
15
|
4
|
60
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
0
|
||
| Portfolyo |
0
|
||
| Ödev |
5
|
10
|
50
|
| Sunum / Jüri Önünde Sunum |
0
|
||
| Proje |
1
|
45
|
45
|
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
0
|
||
| Final Sınavı |
1
|
22
|
22
|
| Toplam |
225
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Bilgisayar Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. |
|||||
| 2 | Bilgisayar Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. |
|||||
| 3 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir. |
|||||
| 4 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir. | |||||
| 5 | Bilgisayar Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. |
|||||
| 6 | Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir. |
|||||
| 7 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler. |
|||||
| 8 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır. |
|||||
| 9 | Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar. |
|||||
| 10 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. |
|||||
| 11 | Bilgisayar Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların bilgisayar mühendisliği uygulamalarına getirdiği kısıtların farkındadır. |
|||||
| 12 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
|||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest