İnşaat Mühendisliğinde Veri Analizi

AMAÇ

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.

İÇERİK

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.

1. 1

   Apply fundamental statistical concepts, probability distributions, and data preprocessing and dimensionality reduction techniques.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

2. 2

   Develop and evaluate linear and nonlinear regression as well as curve fitting models

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

3. 3

   Analyze and model stochastic processes and temporal dependencies

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

4. 4

   Execute comprehensive data analysis workflows and computational pipelines using scientific computing tools (MATLAB/Python).

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

HAFTALIK PLAN

1. HAFTA 1

   Temel İstatistiksel Kavramlar

   Ön hazırlık: Kitap ve ders notlarını inceleme

2. HAFTA 2

   Olasılık Teorisi, Olasılık Yoğunluk ve Kümülatif Dağılım Fonksiyonları

   Ön hazırlık: Kitap ve ders notlarını inceleme

3. HAFTA 3

   Mühendislikte Olasılık Dağılımları

   Ön hazırlık: Kitap ve ders notlarını inceleme

4. HAFTA 4

   Veri Ön İşleme ve Boyut İndirgeme

   Ön hazırlık: Kitap ve ders notlarını inceleme

5. HAFTA 5

   Hipotez Testleri ve Güven Aralıkları

   Ön hazırlık: Kitap ve ders notlarını inceleme

6. HAFTA 6

   Linear Regression and Correlation

   Ön hazırlık: Kitap ve ders notlarını inceleme

7. HAFTA 7

   Çoklu Regresyon ve Eğri Uydurma

   Ön hazırlık: Kitap ve ders notlarını inceleme

8. HAFTA 8

   Hata Metrikleri ve Model Performansı

   Ön hazırlık: Kitap ve ders notlarını inceleme

9. HAFTA 9

   Zaman Serileri Analizine Giriş

   Ön hazırlık: Kitap ve ders notlarını inceleme

10. HAFTA 10

    Stokastik Süreçler ve Zamansal Bağımlılık

    Ön hazırlık: Kitap ve ders notlarını inceleme

11. HAFTA 11

    Zaman Serilerinin Harmonik ve Spektral Analizi

    Ön hazırlık: Kitap ve ders notlarını inceleme

12. HAFTA 12

    Veri Gürültü Giderme

    Ön hazırlık: Kitap ve ders notlarını inceleme

13. HAFTA 13

    Mekânsal Veri Analizi ve Enterpolasyon

    Ön hazırlık: Kitap ve ders notlarını inceleme

14. HAFTA 14

    Vaka Analizleri ve Proje Sunumları

    Ön hazırlık: Kitap ve ders notlarını inceleme

DEĞERLENDİRME

• Ara Sınavın Başarıya Oranı50%
• Genel Sınavın Başarıya Oranı50%

İŞ YÜKÜ

KAYNAKLAR

• 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.

ÖĞRETİM ELEMANLARI

• Lect.Dr. Cem YILMAZERKOORDİNATÖR
• Lect.Dr. Cem YILMAZER