• Temel bilgiler
• Öğrenme çıktıları
• İçerik
• Değerlendirme
• İş yükü

Öğrenme çıktıları

Bu dersi başarıyla tamamlayan öğrenciler, şu yetilere sahip olurlar:

1. İşaret ve parametre kestiriminde kullanılan temel deterministik yöntemleri kavrarlar.

   Program Çıktılarına Katkıları

   1. İleri düzey Elektronik Mühendisliği kavramlarını tanımlamak ve uygulamak
   2. Gelişmiş mühendislik problemlerini formüle edip çözmek
   3. Bilgiyi yaymak ve disiplinlerarası işbirliği yapmak
   4. Disiplinlerarası etkileşim bulunan araştırma takımlarında etkin şekilde çalışmak

   Değerlendirme Tipi

   1. Yazılı sınav
   2. Ödev
2. İşaret ve parametre kestiriminde kullanılan temel istatistiksel yöntemleri kullanırlar.

   Program Çıktılarına Katkıları

   1. İleri düzey Elektronik Mühendisliği kavramlarını tanımlamak ve uygulamak
   2. Gelişmiş mühendislik problemlerini formüle edip çözmek
   3. Bilgiyi yaymak ve disiplinlerarası işbirliği yapmak
   4. Disiplinlerarası etkileşim bulunan araştırma takımlarında etkin şekilde çalışmak

   Değerlendirme Tipi

   1. Yazılı sınav
3. Verilen bir probleme uygun kestirim algoritmasını gerçekleyip hata analizlerini yapabilirler

   Program Çıktılarına Katkıları

   1. İleri düzey Elektronik Mühendisliği kavramlarını tanımlamak ve uygulamak
   2. Gelişmiş mühendislik problemlerini formüle edip çözmek
   3. Bilgiyi yaymak ve disiplinlerarası işbirliği yapmak
   4. Disiplinlerarası etkileşim bulunan araştırma takımlarında etkin şekilde çalışmak

   Değerlendirme Tipi

   1. Ödev
   2. Dönem projesi

İçerik
1. hafta:	Giriş, olasılık teorisi
2. hafta:	Rasgele değişkenler
3. hafta:	Rasgele değişken çiftleri
4. hafta:	Saptama ve kestirime giriş, enbüyük olabilirlik (ML), enbüyük sonsal (MAP) kestirimler
5. hafta:	Bayesçi enküçük ortalama karesel hata (MMSE) kestirimi
6. hafta:	MMSE doğrusal kestirimi, istatistiğe giriş, çoklu gözlemle kestirim
7. hafta:	Kestirimcilerin özellikleri, rasgele vektörler
8. hafta:	Vize sınavı
9. hafta:	Vektörler için ML, MAP, MSE ve eniyi doğrusal kestirimcileri
10. hafta:	Rasgele süreçler
11. hafta:	Doğrusal zamanla değişmeyen sistemler ve rasgele süreçler, nedensel olmayan Wiener süzgeci
12. hafta:	Nedensel Wiener süzgeci, sonlu birim dürtü yanıtlı Wiener süzgeci
13. hafta:	Uyarlanır süzgeçlere giriş, Newton ve endik iniş yöntemi
14. hafta:	Enküçük ortalama kare (LMS) ve yinelemeli enküçük kareler (RLS) süzgecleri
15. hafta*:	Genel gözden geçirme
16. hafta*:	Final sınavı
Ders kitapları ve materyaller:	[1] Fundamentals of Statistical Signal Processing: Estimation Theory, Steven M. Kay, Prentice Hall, 1993. [2] Bayesian Data Analysis, G. Andrew, J.B. Carlin, H.S. Stern, D.B. Rubin, Chapman & Hall/CRC, 2014. [3] An Introduction to Statistical Signal Processing, R.M. Gray and L.D. Davisson, Cambridge University Press, 2010.
Önerilen kaynaklar:	[1] Introduction to Linear Dynamical Systems, Stephen Boyd, Lecture Notes, Stanford Unıversity. [2] Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006.
	* 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.

Değerlendirme
Değerlendirme tipi	Hafta numarası	Ağırlık (%)
Ara sınavlar (Vizeler):	9	30
Dönem içi diğer çalışmalar:		0
Proje:	14	15
Ödev:	4,8,12	15
Kısa sınav (Quiz):		0
Final sınavı:	16	40
	Toplam ağırlık:	(%)

İş yükü
Etkinlik	Süre (Haftalık saat)	Toplam hafta sayısı	Dönem boyu toplam iş yükü
Dersler (Yüz yüze öğretme):	3	14
Ders dışı bireysel çalışma:	4	14
Uygulama, Rehberli problem çözme:	0	0
Ödev:	5	8
Dönem projesi:	10	2
Dönem projesi sunumu:	0	0
Kısa sınav (Quiz):	0	0
Ara sınav için bireysel çalışma:	12	1
Ara sınav (Vize):	3	1
Final sınavı için bireysel çalışma:	12	1
Final sınavı:	3	1
		Toplam işyükü:
		Toplam AKTS kredisi:	*
	* AKTS kredisi, toplam iş yükünün 25'e bölümüdür. (1 AKTS = 25 saatlik iş yükü)