defter*
defter / katalog / EEE 485
EEE 485

Statistical Learning and Data Analytics

EEE 485 is where probability and linear algebra stop being abstract and start becoming the machinery you use to make predictions from messy real data, the course treats learning as parameter estimation under uncertainty, comparing the Bayesian and frequentist lenses on the same problems. You'll work through regression, GLMs, neural nets, clustering, and graphical models on the theory side, while implementing algorithms end-to-end in a term project alongside four quizzes and the usual midterm/final. It's the natural bridge from EEE's probability and signals background into modern ML, and the foundation most people lean on before touching deep learning or research-flavored electives.

Kredi3ECTS5FakülteFaculty of EngineeringBölümElectrical and Electronics EngineeringKoordinatörCem Tekin
Ön koşul(MATH 255 veya MATH 230 veya MATH 260) ve (MATH 241 veya MATH 225 veya MATH 220 veya MATH 224)

→ STARS müfredatı (resmi syllabus)

Haftalık müfredat 14 hafta

Hafta 114–20 Eyl
Machine learning için olasılık tekrarı
Probability review for machine learning and data science (random variables, random vectors, Bayes rule, independence, law of large numbers, concentration inequalities
random variableBayes rulelaw of large numbersconcentration inequality
Hafta 221–27 Eyl
Bayesian ve frequentist machine learning
Bayesian and frequentist machine learning (credible intervals, confidence intervals) and their use in data science
Bayesianfrequentistcredible intervalconfidence interval
Hafta 328 Eyl – 4 Eki
Linear regression ve ordinary least squares
Linear regression, ordinary least squares
linear regressionordinary least squares
Hafta 45–11 Eki
Ridge, lasso ve Bayesian regression
Ridge regression, lasso, Bayesian linear regression
ridge regressionlassoBayesian linear regression
Hafta 512–18 Eki
Generalized linear models
GLM
Hafta 619–25 Eki
Perceptron, neural network ve backpropagation
Perceptron, neural networks and backpropagation
perceptronneural networkbackpropagation
Hafta 726 Eki – 1 Kas
Blind signal separation
Hafta 82–8 Kas
Probabilistic clustering ve expectation maximization
Probabilistic clustering, mixture of Gaussians and expectation maximization
probabilistic clusteringmixture of Gaussiansexpectation maximization
Hafta 99–15 Kas
Feature extraction ve feature selection
Feature extraction and feature selection
feature extractionfeature selection
Hafta 1016–22 Kas
Graphical models'ta inference ve learning
Inference and learning in graphical models
graphical modelsinferencelearning
Hafta 1123–29 Kas
Naive Bayes, RBM ve contrastive divergence
Naive Bayes, Restricted Boltzmann Machines, Contrastive Divergence
Naive BayesRestricted Boltzmann Machinescontrastive divergence
Hafta 1230 Kas – 6 Ara
Deep learning (derin öğrenme)
Deep learning
deep learning
Hafta 137–13 Ara
Reinforcement learning
Hafta 1414–20 Ara
Online learning

Değerlendirme 100% · 4 adım

25%
25%
20%
30%
Midterm:Essay/written Midterm 25%
Final:Essay/written Final 25%
Quiz Problem sets + Quiz 20%
Term project Multi-phase term project 30%
en büyük tek kalem %30 · sınav ağırlığı %70 · 18 dönem ortalaması 2.53 (1163 öğrenci) nasıl hesaplanıyor

Önerilen kaynaklar 5 kitap

📖
Önerilen
The elements of statistical learning
T. Hastie, R. Tibshirani
J. Friedman · 2003
📖
Önerilen
An introduction to statistical learning
James G, Witten D
Hastie T · Tibshirani R.
📖
Önerilen
Machine learning: A probabilistic perspective
Murphy, Kevin P
2012 · MIT Press
📖
Önerilen
Probabilistic graphical models: principles and techniques
Koller, Daphne
and Nir Friedman · 2009
📖
Önerilen
Pattern Recognition and Machine Learning
Christopher M. Bishop
2011 · Springer

Bu dersi alınca · 4 öğrenme çıktısı

Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.

Ders notları · henüz yok

EEE 485 için defter ekibi henüz not yazmadı.

İlk dosyayı sen atarsan: not, slayt, geçmiş sınav, çözüm, cheat-sheet, ne varsa. defter ekibi öğrenci paylaşımlarından bu dersin notlarını yazar. Drive linki / PDF / ZIP, hepsi olur.

← katalog

Geçmiş GPA dağılımı 18 dönem · ort. 2.53

DönemCourse CPA
2025-2026 Fall 2.78 1 sec · 70 öğr
2024-2025 Fall 2.69 1 sec · 66 öğr
2023-2024 Fall 2.33 1 sec · 64 öğr
2023-2024 Spring 2.43 1 sec · 70 öğr
2022-2023 Fall 2.29 1 sec · 47 öğr
2022-2023 Spring 2.50 2 sec · 103 öğr
2021-2022 Fall 2.54 1 sec · 30 öğr
2021-2022 Spring 2.48 2 sec · 86 öğr
2020-2021 Fall 2.17 1 sec · 43 öğr
2020-2021 Spring 2.66 2 sec · 92 öğr

Aggregate course GPA · Bilkent STARS'tan public data. Hoca-bazlı per-section detayı için STARS evaluation report →. Öğrenci anket cevapları KVKK kapsamında defter'de tutulmaz. Tüm derslerin ortalamaları →

Bu dönem · 2026-2027 Güz · 1 şube · 60 kontenjan

haftada 3 saat ders

Haftalık ızgarada 4 saat görünüyor, kayıt sistemi dersi 3 saat yazıyor. Aradaki 1 saat yedek saat: Bilkent programlarında derse genelde bir fazla saat ayrılır ve çoğu zaman kullanılmaz. Hangisinin düşeceği dönem başlayınca belli olur.

1
Cem Tekin
Sal08:30–10:20Per13:30–15:20
60
kişilik
programıma ekle → CGPA'ya ekle kayıt tarihleri
Her dönem açılıyorSon yıllarda 10 güz ve 8 bahar döneminde açılmış. Kaçırırsan bir sonraki dönem tekrar bulabilirsin.

⚠️ FZ engelleyen şartlar

All project reports should be completed and submitted on time. No disciplinary penalty related with the course. The total points collected from the midterm and quizzes should be at least 20% of the total contribution of the midterm and quizzes.

Hocalar 1 bu dönem · 1 geçmiş

Bu dönem (2026-2027 Fall) · 1 section
Cem Tekin
Geçmişte ders veren (1 kişi)
Süleyman Serdar Kozat