Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer.
Dersin İçeriği
Ders, teorik istatistik bilgisini pratik kodlama becerileriyle entegre etmeyi hedefleyerek öğrencilere Python kullanarak istatistiksel analizler, veri manipülasyonu ve görselleştirmeyi gerçekleştirme yeteneği kazandırmayı amaçlamaktadır. Olasılık dağılımları, hipotez testi, regresyon analizi ve benzeri konular, bu kavramların gerçek dünya senaryolarında nasıl uygulanacağına dair güçlü bir vurguyla işlenecektir. Öğrenciler, uygulamalı alıştırmalar, projeler ve pratik örnekler aracılığıyla Python'u istatistik analizi için etkili bir şekilde kullanma becerisi kazanarak, karmaşık problemleri çözme ve veri odaklı kararlar alma yeteneklerini geliştireceklerdir.
