Yapay Zekâ Atölyesi

Öğrencilerin ortalama, varyans ve standart sapmayı gerçekten uygulayarak öğrenebileceği bir sınıf içi uygulama. 🎯 Uygulamanın Amacı Bu uygulamanın sonunda öğrenciler: Pandas ile veri oluşturabilecek, Öğrenci notlarını inceleyebilecek, Ortalama hesaplayabilecek, Varyans hesaplayabilecek, Standart sapma hesaplayabilecek, Minimum ve maksimum notları bulabilecek, describe() ile istatistiksel özet oluşturabilecek, Elde ettikleri sonuçları yorumlayabileceklerdir. 1. Veri Setini Oluşturalım Öncelikle 15 öğrenciden oluşan örnek bir veri seti oluşturalım. import pandas as pd veri = { "Öğrenci": [ "Ahmet", "Ayşe", "Mehmet", "Zeynep", "Can", "Elif", "Mert", "Selin", "Burak", "Derya", "Emre", "Ceren", "Kerem", "Buse", "Arda" ], "Not": [ 55, 72, 81, 65, 90, 78, 60, 85, 95, 70, ...

1. Giriş: Veriye Baktığımızda Ne Görüyoruz? Bir veri setimiz olduğunu düşünelim. Örneğin bir sınıftaki öğrencilerin sınav notları: 55, 70, 80, 65, 90, 75, 60, 85, 95, 70 Bu listeye baktığımızda bazı sorular hemen aklımıza gelir: Sınıfın genel başarısı nasıl? Ortalama not kaç? Notlar birbirine yakın mı? Öğrencilerin başarıları çok mu değişken? Sınıfta çok düşük veya çok yüksek notlar var mı? İki sınıfın ortalamaları aynıysa başarı düzeyleri gerçekten aynı mı? İşte tanımlayıcı istatistikler (descriptive statistics) bu tür sorulara cevap vermemizi sağlar. Tanımlayıcı istatistiklerin temel amacı: Bir veri setini birkaç anlamlı sayı ile özetlemek ve verinin genel yapısını anlamaktır. Bu derste özellikle üç temel kavram üzerinde duracağız: Ortalama (Mean) Varyans (Variance) Standart Sapma (Standard Deviation) Bunlar veri analizi ve yapay zekâ çalışmalarında sürekli karşımıza çıkacaktır. 2. Tanımlayıcı İstatistik Nedir? Tanımlayıcı istatistik, elimizde bulunan veriyi özetleme ve açıklama yö...