| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| İnşaat Mühendisliği Malzemeleri için Tahmin Analitiği | CE 545 | 5 | 9 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Beton mukavemet tahmini için kullanılabilecek modelleri tanırlar |
| 2. İstatistik ve regresyon kullanarak tahmin analitiği gelistirebilirler |
| 3. Kantitatif ve sınıflandırma analitiklerini kullanarak tahmin analitiği modelleri oluşturabilirler |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Genel mukavemet tahminleri için öğrenme, abrams modeli, tahmin analitiği için kullanılan temel algoritmalar, regresyon, yapay sinir ağları, sınıflandırma, hibrit medotlar ve bunların inşaat mühnedisliği malzemelerinde mukavemet tahmini için kullanımları |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Sınıflandırma ve regresyon temelleri |
| 2 | Çoklu regresyon |
| 3 | Ön seçilim ve geri seçilim |
| 4 | Regresyon yöntemleri |
| 5 | Yapay sinir ağları |
| 6 | Regresyon ağaçları |
| 7 | Sınıflandırma modelleri |
| 8 | Hibrit metodlar |
| 9 | Tahmin analitiğinde kullanılan temel algoritmalar |
| |
| Kaynaklar: |
| Frank Millstein Data Analytics with Python: Data Analytics In Python Using Pandas CreateSpace Independent Publishing Platform 2018 978-1986054492 |
| |
| Diğer Kaynaklar: |
| Frank Millstein Data Analytics with Python: Data Analytics In Python Using Pandas CreateSpace Independent Publishing Platform 2018 978-1986054492
Sebastian Raschka Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow Packt Publishing 2017 978-1787125933
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Ders hafta üç saat teorik anlatımdan oluşmaktadır. Ayrıca öğrenilen yöntemler ile tahmin modelleri oluşturup, kıyaslayabilecekleri bir dönem projesi verilmektedir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Proje | 1 | %60 |
| Final sınavı | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |