Dersler

STAT 101 İstatistik ve Veri Bilimine Giriş I (3-2)4

Belirli bir veri kümesindeki bir popülasyon ile bir örneklem arasındaki farkı anlayarak istatistik ve veri biliminin temellerinin öğrenilmesi. Temel istatistiksel tanımların ve farklı veri türleri ile nasıl çalışılacağının öğrenilmesi. Farklı veri türlerinin nasıl görselleştirileceğinin öğrenilmesi. Tanımlayıcı istatistikler: merkezi eğilim, asimetri, değişkenlik, korelasyon ve kovaryans ölçüleri. Bir veri kümesindeki rastgele değişkenlerin tespiti. Farklı veri kaynaklarını tanımlayan farklı dağılımların ayırt edilmesi ve bunlarla çalışılması.

STAT 102 İstatistik ve Veri Bilimine Giriş II (3-2)4

Farklı veri türlerinde temel istatistiksel analizler. Farklı veri kaynaklarının örnekleme dağılımları. Veri biliminde çıkarımsal istatistikler. Çeşitli veri türleri altında tahmin, güven aralıkları ve hipotez testleri. Belirli bir veri kümesinde bir faktör tasarımı için dağılım uydurma ve varyans analizi. İki kategorik değişken arasındaki doğrusal regresyon ve ilişki. Çeşitli veri türleri altında temel parametrik olmayan prosedürler.

Ön koşul: STAT 101

STAT 111 Gerçek Hayat Örnekleri ile İstatistik (3-0)3

İstatistiğin, çevre bilimleri, endüstri, aktüerya, iş, fizik ve sosyal bilimler ve tıbbi alanlarda gerçek hayata uygulanması ile ilgili okumalar ve projeler

STAT 112 Veri İşleme ve Görselleştirmeye Giriş (3-2)4

Temel tanımlar ve farklı veri türlerinin yönetimi. Manipülasyona giriş (indeksleme, alt kümeleme, yeniden şekillendirme, dönüştürme vb.), görselleştirme, haritalama ve veri analizi. Veri kümelerinde eksik veya tutarsız değerler gibi yaygın sorunlarla başa çıkmak. İlgili R ve/veya Python programlama paketlerinin kullanımı. Birden çok veri tablosunu birleştirme (bir SQL JOIN'e eşdeğer)

STAT 155 İstatistiğin İlkeleri (3-2)4

İstatistiğin kısa tarihi. Temel tanımlar ve veri türleri. Verilerin görselleştirilmesi. Tanımlayıcı istatistikler. Yanıltıcı sonuçlardan kaçınmak. Rastgele değişkenler. Bilinen bazı istatistiksel dağılımlar. Hesaplamalı istatistik araçlarına giriş.

STAT 156 İstatistiksel Yöntemler (3-2)4

Örnekleme dağılımları, tahmin, güven aralıkları, hipotez testi, dağılım uydurma, tek faktörlü tasarım için varyans analizi, doğrusal regresyon, iki kategorik değişken arasındaki ilişki, temel parametrik olmayan prosedürler.

Ön koşul: STAT 155

STAT 201 Olasılık ve İstatistiğe Giriş I (3-0)3

Deneyler ve olaylar. Küme teorisi. Aksiyomlar ve temel olasılık teoremleri. Sonlu örnek uzaylar ve sayma teknikleri. Bağımsız olaylar. Koşullu olasılık. Rastgele değişkenler ve dağılımlar. Beklenti, varyans, kovaryans ve korelasyon. Bazı özel dağılımlar.

STAT 202 Olasılık ve İstatistiğe Giriş II (3-0)3

Rassal Örneklemler. Örnek ortalaması ve varyansı. Chebychev eşitsizliği. Büyük sayılar yasası. Merkezi Limit Teoremi. Tahmin. Maksimum olabilirlik, yansız, minimum varyans yansız, tutarlı ve etkili tahminciler. Yeterlilik. Güven aralığı. Hipotez testi. Parametrik olmayan yöntemlere giriş. Regresyon ve varyans analizi.

Ön koşul: STAT 201

STAT 203 Olasılık I (3-2)4

Örnek uzay, olaylar, temel kombinatoryal olasılık, koşullu olasılık, Bayes teoremi, bağımsızlık, rastgele değişkenler, dağılımlar, beklenti.

STAT 204 Olasılık II (3-2)4

Rastgele değişkenlerin dönüşümleri, üreten fonksiyonlar, koşullu beklenti, limit teoremleri, merkezi limit teoremi, limit dağılımlar.

Ön koşul: STAT 203, MATH 119

STAT 250 Uygulamalı İstatistik (4-2)5

Örnekleme dağılımları. Örnekleme teknikleri. Bir veya iki popülasyon özelliği için tahmin ve test. Parametrelerin maksimum olabilirlik tahmini. Birliktelik ölçüleri. Basit ve çoklu regresyon. Deney tasarımına giriş, varyans analizi; tek yönlü, çok yönlü sınıflandırmalar. Çoklu karşılaştırmalar. Temel parametrik olmayan prosedürler. Temel zaman serisi analizi; eğilimler, mevsimsellik, tahmin. Endeksleme. Tıp, fen, mühendislik ve sosyal bilimlerdeki bazı uygulamalar.

Ön koşul: STAT 156

STAT 256 Sayısal Yöntemler (3-2)4

Sayısal hesaplamalarda doğruluk. Lineer ve lineer olmayan cebirsel denklemlerin sayısal çözümü. Öz değerleri ve özvektörleri bulma. Sonlu farklar hesabı. Enterpolasyon ve ekstrapolasyon. Sayısal türev ve integral hesaplamaları. Sayısal yaklaştırma yöntemleri.

Ön koşullar: STAT 291 veya STAT 292, MATH 260

STAT 291 İstatistiksel Programlama (3-2)4 (Eski programda İstatistiksel Hesaplama I)

İstatistik yazılımlarında istatistiksel tekniklere giriş. R ve benzeri istatistiksel veritabanı paketlerini kullanarak verileri yönetme ve analiz etme. Matris cebri uygulamaları ile MATLAB'a giriş.

Ön koşullar: CENG 240, STAT 156

STAT 292 İstatistiksel Hesaplama II (3-2)4

Programlama ve hesaplamaya giriş. Bilgisayar organizasyonuna ve temel veri yapılarına giriş.

Ön koşul: CENG 240

STAT 295 Nesne Yönelimli Programlama (3-2)4

Bir dille (örneğin C++, Python) Nesne Yönelimli Programlamaya giriş. Programlama elemanları. Fonksiyonlar. Sınıflar ve nesneler. Yapıcılar ve yıkımlar. Operatör aşırı yüklenmesi. Tür dönüştürme. Kalıtım. İşaretçiler. Polimorfizm. Şablonlar. Olağan dışı durum işleme. Metin manipülasyonu. Dosya yönetimi. Gelişmiş Giriş/Çıkış. Sistem analizi, tasarımı ve geliştirmesi.

Ön koşul: CENG 230 veya CENG 240

STAT 303 Matematiksel İstatistik I (3-2)4

Teorik dağılımlar. Örnekleme dağılımları. Nokta tahmini ilkeleri. Tahmin teknikleri. Nokta tahmincilerinin özellikleri. Tahminde optimallik kriterleri. Sağlam çıkarımdan seçilmiş konular. Bayes çıkarımı.

Ön koşul: STAT 204 veya BO, MATH 120

STAT 304 Matematiksel İstatistik II (3-2)4

Bölge (aralık) tahmini. Hipotez testi. Hipotez testi için optimallik özellikleri. Olabilirlik oranı testleri. Sıralı testler.

Ön koşul: STAT 303

STAT 311 Modern Veritabanı Sistemleri (3-2)4

Veritabanı sistemlerine giriş. İlişkisel veritabanları. Varlık ilişkisi (ER) modeli. Normalleştirme. Yapılandırılmış Sorgu Dili (SQL). Veritabanları tasarlama. Dağıtılmış, paralel ve nesne veritabanlarına giriş. Büyük veri depolama sistemleri. Veri depoları. Çevrimiçi Analitik İşleme (OLAP). Büyük veri analitiği ve NoSQL. Web veri yönetimi. Bulut bilişim.

Ön koşul: STAT 291

STAT 333 Veri Yapıları ve Algoritmalar (3-2)4

Nesne yönelimli programlama (örn. C++, Pyhton) ile veri yapıları ve algoritmalara giriş. Algoritma tasarımının ilkeleri. Özyineleme. Geri izleme. Karmaşıklık analizi. Büyük O notasyonu. Diziler, listeler, işaretçiler. Yığınlar, sorgular, iki uçlu kuyruklar. Ağaçlar. Hash ve sembol tabloları. Grafikler. Arama, sıralama, seçme, dizi algoritmaları. Desen eşleştirme. Algoritma tasarımı. Açgözlü, böl ve fethet algoritmaları. Dinamik program. Algoritmaların sınıflandırılması.

Ön koşul: STAT 295

STAT 361 Hesaplamalı İstatistik (3-2)4

Rastgele sayı üretimi. Çıkarımsal istatistik için Monte Carlo yöntemleri. Yeniden örnekleme. Veri bölümleme. Çapraz doğrulama. Bootstrapping.Jackknifing. Keşifsel ve grafiksel veri analizi için araçlar. Parametrik olmayan olasılık yoğunluk tahmini.

Önkoşul: STAT 291

STAT 363 Doğrusal Modeller I (3-2)4

Basit ve çoklu doğrusal regresyon modelleri. Modellerin parametreleri üzerinde tahmin, aralık tahmini ve hipotez testi. Model yeterlilik kontrolü. Çoklu doğrusallık. Dönüşüm.

Ön koşullar: MATH 260, STAT 156

STAT 364 Doğrusal Modeller II (3-2)4

Basit doğrusal olmayan modeller, tek yönlü, iki yönlü varyans analizi modelleri, çoklu karşılaştırma testleri, kovaryans analizi modelleri, genelleştirilmiş doğrusal modellere giriş, poisson regresyonu, lojistik regresyon.

Ön koşul: STAT 363

STAT 365 Örnekleme ve Anket Teknikleri (4-2)5

Anket örneklemesine giriş. Olasılık örnekleme teknikleri. Basit rastgele örnekleme. Tabakalı eleman örneklemesi. Sistematik örnekleme. Eşit büyüklükte küme örneklemesi. Eşit olmayan büyüklükte küme örneklemesi. PPS seçim teknikleri. Örnekleme hataları. Anket araştırma yöntemleri. Örnek anketlerin planlanması. Anket tasarım teknikleri. Anket araştırma projesi.

Ön koşul: STAT 156 veya BO

STAT 376 Stokastik Süreçler (4-2)5

Olasılığın gözden geçirilmesi. Markov zincirleri. Kesikli ve sürekli zamanlı Markov zincirleri. Poisson süreçleri. Kuyruk işlemleri. Doğum ve ölüm süreçleri. Karar analizi.

Ön koşul: MATH 260, STAT 204 veya STAT 154

STAT 401 Büyük Veriye Giriş (3-2)4

Genel olarak, büyük veri setlerini bilgiye ve bilgiyi değere dönüştürmek. Büyük verinin tanımı ve büyük veri kümelerini işlemek için programlama araçları. Büyük veriler için kullanılan paralelleştirme. Büyük miktarda veriyi maddi olarak uygun donanım üzerinde depolayabilecek, ölçeklenebilir bir altyapı oluşturulması. Büyük veriler için kullanılan istatistiksel araçlar. Büyük veriler için görselleştirme.

Ön koşul: STAT 295 ve STAT 311

STAT 411 İstatistiksel Veri Madenciliği (3-2)4

Tanımlayıcı ve tahmine dayalı madencilik. Veri ön işleme: veri temizliği ve dönüşümü. aykırı değer tespiti, eksik veri impütasyonu. Boyut küçültme, Temel Bileşen Analizi (PCA). Örnekleme, aşırı örnekleme. Keşifsel veri analizi (EDA). Kümeleme yöntemleri: bölümleme, hiyerarşik, yoğunluk tabanlı, model tabanlı. Öngörülü modelleme. Regresyon. Değişken seçimi. Sağlam ve doğrusal olmayan regresyon. Parametrik olmayan regresyon. Sınıflandırıcılar. Lojistik regresyon. Karar ağaçları. Rastgele Orman. Model değerlendirme ve doğrulama. En son mevcut yazılımları kullanan gerçek hayat uygulamaları.

Ön koşul: STAT 363 ve STAT 291

STAT 412 İstatistiksel Veri Analizi (3-2)4

Veri türleri. Verilerin grafik ve tablo gösterimi. Verilerde beklenmeyen durumların tespiti için yaklaşımlar. Büyük ve yüksek boyutlu veriler için keşifsel veri analizleri. Kategorik verilerin analizi. Sağlam tahmin unsurları. Eksik verilerin işlenmesi. Pürüzsüzleştirme yöntemleri. Veri madenciliği.

Ön koşul: STAT 291 veya STAT 292, STAT 363 veya BO

STAT 433 İstatistiksel Makine Öğrenimi (3-2)4

Regresyon ve tahmin, optimizasyon, regülarizasyon (Ridge regresyon ve LASSO), yapay sinir ağları ve derin öğrenme, sınıflandırma, kernel yöntemleri ve destek vektör makineleri, karar ağaçları, bagging ve rastgele orman, boosting algoritmaları, temel bileşen regresyonu, denetimsiz derin öğrenme. Yöntemlerin gerçek verilere uygulanması.

Ön koşul: STAT 411

STAT 440 Yapay Zeka ve İstatistik (3-0) 3

Yapay Zekanın (AI) temelleri ve tarihi. Mantıksal programlama. Problem çözme. Arama. Oyun oynama. Bilgi, akıl yürütme, planlama. Teorem ispatı. Belirsiz bilgi ve olasılıksal akıl yürütme. Gizli Markov Modelleri. Kalman filtreleri. Bayes ağları. İnanç ağları. Makine öğrenmesi. İstatistiksel öğrenme. Takviye öğrenme. Doğal Dil İşleme (NLP). Desen tanıma. Konuşma ve görüntü işleme. Yapay zekanın Geleceği. Robotik.

Ön koşul: STAT 333

STAT 444 İleri İstatistiksel Hesaplama (3-0)3

Ham veri dosyalarının ve İstatistiksel Analiz Yazılımı (SAS) veri setlerinin okunması ve sonuçların SAS veri setlerine yazılması; verilerin seçilmesi ve filtrelenmesi; birden çok SAS dosyasının birleştirilmesi; SAS değişkenlerinin oluşturulması ve veri değerlerinin kaydedilmesi; listeleme ve özet raporlar oluşturma.

Ön koşul: STAT 156 veya BO.

STAT 455 İstatistiksel İş Analitiği (3-2) 4

Veri yapılarına giriş; İstatistiksel veri toplama ve iş verisi türleri; Yaygın iş sorunları: müşteri analitiği, segmentasyon, satış, talep, fiyatlandırma, dolandırıcılık, reklam hedefleme; Pazarlama analitiğine giriş, pazarlama terimleri ve tanımları, iş problemleri için istatistiksel düşünme; İş verileri için keşfedici veri analizi ve tanımlayıcı teknikler; Veri elde etme ve işleme yöntemleri; Gerçek iş durumlarına yönelik istatistiksel yöntemlerin uygulamaları, makine öğrenimi algoritmaları; Veri merkezli karar destek sistemleri; İstatistiksel uygulamalar ve tartışmalar.

STAT 457 İstatistiksel Deney Tasarımı (3-2)4

Deney stratejileri, rasgele tam ve dengeli tamamlanmamış blok tasarımları, Latin kareler. Genel, iki seviyeli ve kesirli faktöriyeller. İki seviyeli faktöriyellerde engelleme. Üç ve karışık düzeyli faktöriyel ve kesirli faktöriyeller. Yanıt yüzeyi metodolojisine giriş. İkinci dereceden deneysel tasarımlar. Normal olmayan tepkiler. Faktöriyellerdeki dengesiz veriler. Bölünmüş çizişler tasarımları, İç içe tasarımlar, Rastgele efekt modelleri. Yinelenmiş ölçüler.

Ön koşul: STAT 363 veya BO.

STAT 460 Parametrik Olmayan İstatistik (3-0)3

Temel istatistiklerin gözden geçirilmesi. Dağılım-bağımsız istatistik, sıralama istatistikleri, U istatistikleri. U istatistikleri için büyük örnek teorisi. Çalışmalara dayalı testler. Testlerin göreli asimptotik etkinliği. Hipotez testi, nokta ve aralık tahmini. Uyum iyiliği, sıralama (konum ve ölçek için), olasılık tablosu analizi ve ilgili modeller. İlişki ölçüleri, varyans analizi.

Ön koşul: BO.

STAT 461 Sistem Benzetimi (3-2)4

Ayrık olay sistem simülasyonu ve simülasyon yazılımına giriş. Simülasyonda istatistiksel modeller. Kuyruk modelleri. Girdi veri modelleme. Varyans azaltma teknikleri. Simülasyon modellerinin doğrulanması. Tek bir model için çıktı analizi. Alternatif sistem tasarımının karşılaştırılması ve değerlendirilmesi.

Ön koşul: STAT 156 ve STAT 292

STAT 462 Biyoistatistik (3-2)4

Popülasyonlar ve örneklemler. Biyolojik veri türleri. Veri dönüşümleri. Hayatta kalma veri analizi. Hayat tabloları. Klinik çalışmalarda örneklem boyutu belirleme. Birliktelik ölçüleri. Risk oranı ve bazı özellikler. Genelleştirilmiş doğrusal modellerin uygulanması ve biyolojik verilere lojistik regresyon. Eşleşen örneklerden elde edilen verilerin analizi.

Ön koşul: STAT 156

STAT 463 Güvenilirlik (3-0)3

Güvenilirlik çalışmaları. İstatistiksel başarısızlık modelleri. Sansürleme ve kesme ve türleri. Güvenilirlikte faydalı limit teoremleri. Ömür boyu dağılımlar için çıkarım prosedürleri. Sistem güvenilirliği. Bayes yöntemleri. Hızlandırılmış yaşam testi.

Ön koşul: STAT 304

STAT 464 Yöneylem Araştırması (2-2)3

Temel yöneylem araştırması metodolojisi. Ağ akış, proje çizelgeleme, dinamik programlama, üretim ve envanter kontrolü gibi temel modeller. Doğrusal programlama ve oyun teorisi. İki kişilik sıfır toplamlı oyunlar ve karma stratejiler.

Önkoşul: MATH 260

STAT 467 Çok Değişkenli Analiz (4-2)5

Örneklem ortalama vektörü ve örneklem kovaryans matrisi; matris dekomposizyonu; çok değişkenli normal ve Wishart dağılımları; parametre tahmini; hipotez testi; MANOVA; ana bileşen analizi; faktör analizi; çok değişkenli sınıflandırma ve kümeleme; kanonik korelasyon.

Ön koşullar: MATH 260, STAT 156

STAT 472 İstatistiksel Karar Analizi (3-2)4

Karar vermeye giriş ve karar durumlarının türleri. Bayes teoremi ve Bayes karar teorisi. Önsel dağılımlar, sonsal dağılımlar ve eşlenik önsel dağılımlar. Kayıp fonksiyonları. Ampirik Bayes yaklaşımı. Karar verme için fayda teorisi. Bilginin değeri. Sıralı karar prosedürleri. Çoklu karar problemleri.

Ön koşul: STAT 204

STAT 477 İstatistiksel Kalite Kontrolü (2-2)3

Kalite ve toplam kalite yönetimi kavramlarına giriş. Takım çalışması ve öğrenmenin temel ilkeleri. Kalite kontrolde olasılık. İstatistiksel süreç yöntemleri ve felsefesi. Değişkenler için kontrol grafikleri. Kümülatif toplam ve üstel ağırlıklı hareketli ortalama kontrol grafikleri. Süreç yetenek analizi. Deneysel tasarıma giriş ve faktöriyel deneyler. Taguchi metodu. Değişkenler için Lot-by-Lot kabul örneklemesi.

Ön koşul: STAT 156

STAT 479 Doğrusal Programlama (2-2)3

Doğrusal Programlamaya Giriş. Simpleks yöntemi. Taşıma, atama ve aktarma sorunları. Duyarlılık testi, dualite teorisi ve uygulamaları. Doğrusal programlamada ileri yöntemler ve revize edilmiş simpleks algoritması.

Ön koşul: MATH 260

STAT 480 İstatistiksel Yöntemlerin Sosyoekonomik Araştırmalarda Uygulamaları (3-2)4

Ampirik sosyo-ekonomik araştırmanın ilkeleri. Araştırma problemlerinin oluşturulması, araştırma tasarımının belirlenmesi, örnekleme tasarımının uygulanması. Saha çalışması stratejileri, veri toplama, veri kalitesini iyileştirme, uygun istatistiksel yöntemleri seçme. Hipotez testinin değerlendirilmesi ve bulguların yorumlanması. Araştırma önerisi ve raporunun hazırlanması ve sunulması.

Ön koşul: STAT 412

STAT486 Uygulamalı İstatistik ve Ekonometri(3-2)4

Bu ders, ekonometri için regresyon analizi teorisini içerir ve regresyon analizinin çeşitli ekonometri problemlerine uygulamalarını açıklar. Çoklu regresyon ve Tanılayıcı Denetimde hipotez testi ve güven aralıkları. Durağan ve durağan olmayan zaman serileri. Eşbütünleşme ve hata düzeltme modelleri. Panel veri regresyon modelleri (Sabit ve rassal etkiler modeli). Dinamik ekonometrik modeller: Otoregresif ve gecikmesi dağıtılmış modeller. Stokastik regresörler ve araç değişken yöntemi

STAT 482 Kategorik Veri Analizi (3-2)4

Sayım verileri için olasılık dağılımları ve ilişki ölçüleri. İki yönlü durum tabloları için çıkarımlar. Genelleştirilmiş lineer modeller, lojistik regresyon ve loglineer modeller. Kategorik veriler için sabit ve rastgele etkileri olan modeller. Yanıt kategorik olduğunda model seçimi ve tanılama. Sınıflandırma ağaçları.

Ön koşul: STAT 304

STAT 487 Sigorta ve Aktüerya Analizi (3-0)3

Sigortanın temel tanımı. Tarihsel arka plan. Devlet ve özel sektörde sigorta uygulamaları, sigortacılıkta düzenlemeler ve mevzuat. Sigortanın temelleri. Dünyada sigorta türleri, afet sigortası ve risk yönetimi uygulamaları. Türk afet sigortası havuzu. Riskin tanımı, riskin olasılık yönü. Fayda teorisi, talep süreçleri, talep süreçlerinin dağılımı.

Ön koşul: BO.

STAT 493 İstatistikte Yeni Ufuklar (3-0)3

İstatistik alanında yeni gelişmeler.

Ön koşul: BO.

STAT 495 İstatistik Uygulamaları (2-2)3

Tıp, fen, mühendislik ve sosyal bilimler gibi çeşitli disiplinlerde farklı istatistiksel yöntemlerin uygulamaları. Bu uygulamaları içeren projelerin grup çalışması olarak sunulması.

Ön koşul: STAT 156

STAT 497 Uygulamalı Zaman Serileri Analizi (3-2)4

Stokastik bir süreç olarak zaman serileri. Ortalamalar, kovaryanslar, korelasyonlar, durağanlık. Hareketli ortalamalar ve pürüzsüzleştirme. Durağan ve durağan olmayan parametrik modeller. Modelin ifade edilmesi. Tahmin ve test. Mevsimsellik. Bazı tahmin prosedürleri. Temel spektral alan analizi. Üstel pürüzsüzleştirme yöntemleri. Birim kök testleri.

Ön koşul: BO.

STAT 499 Lisans Araştırmaları (1-4)3

Bu dersin amacı, mezun olan öğrencilerin araştırma yeteneklerini geliştirmektir. Her öğrenciye bir proje ve bir akademik danışman verilecek; araştırma tasarımı, veri değerlendirme ve rapor yazma konularında dersler verilecektir. Dönem sonunda bir final raporu ve/veya seminer gereklidir.

Ön koşul: BO.

*BO: Bölüm Onayı.