Genel Bilgi
Kod | ST0034 |
Ad | Bayesyen Yaklaşım |
Dönem | 2024-2025 Eğitim-Öğretim Yılı |
Dönem | Bahar |
Süre (T+U) | 4-2 (T-U) (17 Hafta) |
AKTS | 6 AKTS |
Yerel Kredi | 5 Yerel Kredi |
Eğitim Dil | Türkçe |
Seviye | Yüksek Lisans Dersi |
Tür | Normal |
Öğretim Şekli | Yüz Yüze Öğretim |
Bilgi Paketi Koordinatörü | Prof. Dr. SEDAT GÜNDOGDU |
Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Bu dersin amacı Bayesyen yaklaşımı Ekoloji alanında çalışan araştırıcılara öğretmektir.
Dersin İçeriği
Olasılık ve Bayes teorisine giriş, Klasik yaklaşım ile Bayesyen yaklaşım arasındaki farklar, Bayesyen yaklaşımla ilgili temel kavramlar, Ön Bilgi dağılışları, MCMC Simulasyonu, Tanımlayıcı istatistiklerin Bayesyen yaklaşımla tahmini, Bazı temel İstatistiksel testlerin Bayesyen tahmini (t-testi, ANOVA, Regresyon Analizi), Balık populasyonlarının stok tahmininin Bayesyen anlaizi, Bayesyen lojistik legresyon analizi, OpenBUGS/JAGS/WinBUGS/R2Bugs ile Bayesyen analizi uygulamaları
Dersin Ön Koşulu
Yok
Kaynaklar
GÜNDOĞDU, Sedat, and Makbule Baylan. "COMPARISON OF BAYESIAN ESTIMATION AND CLASSICAL ESTIMATION OF BRUSHTOOTH LIZARDFISH (Saurida lessepsianus RUSSELL, GOLANI & TIKOCHINSKI 2015) GROWTH." Scientific Papers: Series D, Animal Science-The International Session of Scientific Communications of the Faculty of Animal Science 59 (2016). Link, William A., and Richard J. Barker. Bayesian inference: with ecological applications. Academic Press, 2009. Carlin, Bradley P., and Thomas A. Louis. Bayesian methods for data analysis. CRC Press, 2008. McCarthy, Michael A. Bayesian methods for ecology. Cambridge University Press, 2007. Lunn, David J., et al. "WinBUGS-a Bayesian modelling framework: concepts, structure, and extensibility." Statistics and computing 10.4 (2000): 325-337. Ntzoufras, Ioannis. Bayesian modeling using WinBUGS. Vol. 698. John Wiley & Sons, 2011. Kéry, Marc, and Michael Schaub. Bayesian population analysis using WinBUGS: a hierarchical perspective. Academic Press, 2011. Gelman A., Carlin J.B., Sten H.S. and Rubin D.B. (2003). Bayesian Data Analysis. 2nd edition. London: Chapman and Hall. Congdon P. (2010). Applied Bayesian Hierarchical Methods. Chapman and Hall/CRC.
Notlar
Akar, M., & Gündogdu, S. (2014). BAYES TEORISININ SU ÜRÜNLERINDE KULLANIM OLANAKLARI/The usage of bayes theory in fisheries sciences. Journal of FisheriesSciences.Com, 8(1), 8-16. Retrieved from https://search.proquest.com/docview/1493992812?accountid=15725
Dersin Öğrenme Çıktıları
Sıra | Dersin Öğrenme Çıktıları |
---|---|
ÖÇ01 | Bu ders ile öğrenciler Bayesyen Yaklaşımın temellerini öğrenir |
ÖÇ02 | Bayesyen yaklaşımın klasik yaklaşımdan olan farklarını kavrar |
ÖÇ03 | Basit ve Çoklu Lineer Regresyonun Bayesci versiyonunun öğrenir |
ÖÇ04 | Bayesyen hipotez testi ve tek/iki yönlü ANOVA analizini Bayesyen yaklaşımla yapma becerisi kazanır |
ÖÇ05 | Doğrusal Olmayan Regresyon ve Büyüme Modellerinin Bayesci yolunu öğrenir |
ÖÇ06 | Balık populasyonlarının işaretleme ve yeniden yakalamaya dayalı analizleri ile stok-stoka katılım ilişkisinin Bayesci analizini öğrenir |
ÖÇ07 | OpenBUGS/JAGS/winBUGS/R2bugs yardımıyla Markov Zinciri Monte Carlo simulasyonunu gerçekleştirme becerisi kazanır |
Program Öğrenme Çıktıları ile İlişkisi
Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
---|---|---|---|
PÖÇ01 | Bilgi - Kuramsal, Olgusal | Deniz Biyolojisi, İç Sular Biyolojisi veya Balıkçılıkta Temel Bilimler alanındaki kuramsal ve uygulamalı bilgilerini uzmanlık düzeyinde geliştirir ve derinleştirir. | 5 |
PÖÇ02 | Bilgi - Kuramsal, Olgusal | Su Ürünleri Temel Bilimler alanı ile ilgili disiplinler arası etkileşimleri kavrar. | 2 |
PÖÇ03 | Bilgi - Kuramsal, Olgusal | Su Ürünleri Temel Bilimlerinde uzmanlaştığı alan ile ilgili stratejileri belirler; yöntem ve teknikleri ölçme ve değerlendirme bilgisine sahip olur. | 3 |
PÖÇ04 | Bilgi - Kuramsal, Olgusal | Su Ürünleri Temel Bilimlerinde uzmanlaştığı kuramsal ve uygulamalı bilgileri kullanarak, farklı disiplinler arası bilgileri sentezler, yorumlar, yeni bilgi ve teoriler üretir. | 3 |
PÖÇ05 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı Deniz Biyolojisi, İç Sular Biyolojisi veya Balıkçılıkta Temel Bilimler alanında veri toplar, sonuçları değerlendirir; araştırma yöntemlerini kullanarak, neden-sonuç ilişkisi kurup, sorunlara çözüm önerileri geliştirir. | 3 |
PÖÇ06 | Bilgi - Kuramsal, Olgusal | Su Ürünleri Temel Bilimler alanı ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak planlar, projelendirir ve yürütür. | 3 |
PÖÇ07 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı alan ile ilgili uygulamalarda ortaya çıkabilecek sorunların çözümü için bireysel veya ekip üyesi olarak yeni stratejik yaklaşımlar geliştirir, sorumluluk alarak çözüm üretir. | |
PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Su Ürünleri Temel Bilimler alanı ile ilgili öğrenme gereksinimlerini belirler, kaynaklara ulaşır, bilgi ve becerileri eleştirel bir yaklaşımla değerlendirir ve öğrenmeyi yönlendirecek deneyim kazanır. | |
PÖÇ09 | Beceriler - Bilişsel, Uygulamalı | Uzmanlaştığı Deniz Biyolojisi, İç Sular Biyolojisi veya Balıkçılıkta Temel Bilimler alanında edindiği teorik ve uygulamalı bilgi ve becerilerle yaşam boyu öğrenmeye ilişkin olumlu tutum geliştirir ve toplum yararına kullanır. | |
PÖÇ10 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Su Ürünleri Temel Bilimler alanı ile ilgili gelişmeleri takip eder, çalışma ve araştırmalarını yazılı, sözlü ve görsel olarak aktarır; alanında toplumsal bilinç oluşumuna katkı sağlar. | |
PÖÇ11 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Uzmanlaştığı Deniz Biyolojisi, İç Sular Biyolojisi veya Balıkçılıkta Temel Bilimler alanı ile ilgili yazılı ve sözlü etkin iletişim kurar, seminer ve toplantıları izler, eleştirir. | |
PÖÇ12 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Yabancı dil bilgilerini kullanarak yurt dışı kaynaklı yayınları izler, sözlü ve yazılı iletişim kurar. | 3 |
PÖÇ13 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Çalışma alanında gereksinim duyduğu bilgisayar yazılımı ile bilişim ve iletişim teknolojilerini ileri düzeyde kullanır. | 5 |
PÖÇ14 | Yetkinlikler - Öğrenme Yetkinliği | Uygulama alanı ile ilgili verilerin bilimsel yönden değerlendirilmesi ve yayınlanması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere uygun hareket eder, denetler ve bu değerleri öğretir. | 5 |
PÖÇ15 | Yetkinlikler - Öğrenme Yetkinliği | Uzmanlaştığı Deniz Biyolojisi, İç Sular Biyolojisi veya Balıkçılıkta Temel Bilimler alanında bilimsel ve teknolojik gelişmeleri takip ederek strateji, politika ve uygulama planları geliştirir; elde ettiği sonuçları toplam kalite yönetimi süreçleri çerçevesinde toplum yararına değerlendirir ve yaygınlaştırır. | 5 |
PÖÇ16 | Yetkinlikler - Öğrenme Yetkinliği | Yüksek lisans eğitimi sürecinde edindiği bilgi ve deneyimlerle, uygulama ve problem çözme becerilerini disiplinler arası çalışmalarda kullanır. | 5 |
Haftalık Akış
Hafta | Konu | Ön Hazırlık | Yöntemler |
---|---|---|---|
1 | Olasılağa giriş | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
2 | Bayes teorisi: Giriş | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
3 | Bayes teorisi | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım |
4 | Klasik yaklaşım ile Bayesyen yaklaşım arasındaki farklar | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım |
5 | Bayesyen yaklaşımla ilgili temel kavramlar | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım |
6 | Ön Bilgi dağılışları nedir? | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
7 | Ön Bilgi dağılışları çeşitleri | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
8 | Ara Sınavlar | Önceki derslerin notları okunur. | Ölçme Yöntemleri: Yazılı Sınav, Ödev |
9 | MCMC Simulasyonu | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
10 | Tanımlayıcı istatistiklerin Bayesyen yaklaşımla tahmini ve BUGSuygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
11 | Bazı temel İstatistiksel testlerin Bayesyen tahmini (t-testi, ANOVA) ve BUGSuygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
12 | Bazı temel İstatistiksel testlerin Bayesyen tahmini (Regresyon Analizi) ve BUGSuygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
13 | Balık populasyonlarının Bayesyen analizi BUGS uygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
14 | Balık populasyonlarının stok tahmininin Bayesyen anlalizi BUGSuygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
15 | Bayesyen lojistik legresyon analizi ve BUGS uygulamaları | İlgili konu ders notlarından okunur. | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
16 | Yarıyıl Sonu Sınavları | Önceki derslerin notları okunur. | Ölçme Yöntemleri: Yazılı Sınav, Ödev |
17 | Bütünleme | Önceki derslerin notları okunur. | Ölçme Yöntemleri: Yazılı Sınav, Ödev |
Öğrenci İş Yükü - AKTS
Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
---|---|---|---|
Ders ile İlgili Çalışmalar | |||
Ders (Sınav haftaları dahil değildir) | 14 | 4 | 56 |
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
Değerlendirmeler ile İlgili Çalışmalar | |||
Ödev, Proje, Diğer | 0 | 0 | 0 |
Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 6 | 6 |
Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 18 | 18 |
Toplam İş Yükü (Saat) | 150 | ||
Toplam İş Yükü / 25 (s) | 6,00 | ||
AKTS | 6 AKTS |