| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Kirlilik Modellemesinde İstatistiksel Yöntemler | CEV423 | Seçmeli | Lisans | 4 | Güz | 5 |
Öğretim Elemanı Adı
Prof. Dr. Bilge ÖZBAY
Dersin Öğrenme Kazanımları
1) Öğrenciler çevre mühendisliği alanında yaygın olarak kullanılan istatistiksel yöntemler hakkında bilgi sahibi olacaklar
2) Öğrenciler korelasyon ve regresyon analizlerini öğrenecek ve uygulayabilecektir.
3) Öğrenciler temel bileşenler analizinin çevre mühendisliği alanındaki uygulamaları ile ilgili bilgi sahibi olacaktır.
4) Öğrenciler yapay sinir ağlarının temel özelliklerini ve yapılarını öğreneceklerdir.
5) Öğrenciler çevre mühendisliği alanında yapay sinir ağı uygulamaları hakkında bilgi sahibi olacaklardır.
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | |||||
| 1 | 2 | 3 | 4 | ||
| Öğrenme Kazanımları | |||||
| 1 | Düşük | Düşük | |||
| 2 | Orta | Orta | |||
| 3 | Orta | Orta | |||
| 4 | Orta | Orta | |||
| 5 | Düşük | Düşük | |||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
-
Dersin İçeriği
İstatistiğin tanımı ve kullanım alanları, çevre mühendisliği alanında yaygın olarak kullanılan istatistiksel yöntemler, korelasyon analizi ve çevre mühendisliğindeki uygulamaları, çok değişkenli doğrusal regresyon model ve çevre mühendisliğindeki uygulamaları, temel bileşenler analizi, non-lineer modeller ve çevre mühendisliğindeki uygulamaları, yapay sinir ağı (YSA) modelleri, YSA'nın yapısı ve temel özellikleri, çevre mühendisliği alanında YSA uygulamaları.
Önerilen/İstenen Ders Kaynakları
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
Değerlendirme Yöntemi ve Ölçütleri
Yarıyıl İçi Çalışmalarının Başarıya Oranı |
60% |
||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|||||||||||||||
Yarıyıl Sonu Sınavının Başarıya Oranı |
40% |
||||||||||||||
Toplam | 100% | ||||||||||||||
Dersin Eğitim Dili
İngilizce
Mesleki Uygulama
İstenmemekte