| 1 |
جایگاه درس در برنامه درسی دوره |
نظری |
| 2 |
هدف کلی |
آشنایی با اصول و روشهای مختلف برآوردیابی نقطه ای پارامتری |
| 3 |
اهداف یادگیری |
توانمندسازی دانشجویان در مباحث نظری مربوط به روشهای برآوردیابی نقطه ای |
| 4 |
روش تدریس |
سخنرانی، یادگیری مشارکتی، یادگیری مبتنی بر حل مساله |
| 5 |
وظایف دانشجو |
1- حضور در کلاس و مشارکت در مباحث درسی از طریق حل مساله
2- مشارکت در کلیه آزمونهای کوتاه، مستمر و پایانی
3- انجام و ارائه تکلیف های محول شده |
| 6 |
منبع |
1-بهبودیان، ج. (1370). آمار ریاضی، ویرایش اول، موسسه انتشارات امیرکبیر تهران،.
2-پارسیان، ا. (1389). مبانی آمار ریاضی، ویرایش سوم، مرکز نشر دانشگاه صنعتی اصفهان.. |
| 7 |
مواد و امکانات آموزشی |
اسکنر با کیفیت (مثل CamScanner) برای تهیه عکس از تکالیف انجام شده |
| 8 |
نحوه ارزشیابی |
1- تکالیف و فعالیت کلاسی 2 نمره
2- کوئیز 2 نمره
3- میانترم 8 نمره
4- پایانترم 8 نمره |
| 9 |
شایستگی های پایه |
تسلط به مفهوم متغیر تصادفی و تابع احتمال،
آشنایی با روش های آماری مقدماتی |
| 10 |
فایل |
Pdf File |
| 11 |
سیاست استفاده از هوش مصنوعی در درس |
دانشجویان باید در هنگام تحویل تکالیف و پروژه ها موارد زیر را رعایت کنند:
1- موارد غیرمجاز: دانشجویان مجاز نیستند تکالیف یا پروژهها را بهطور کامل توسط ابزار هوش مصنوعی انجام دهند. این کار تخلف آموزشی محسوب می شود.
2- شفافیت و استناد: دانشجویان می توانند تحلیل های خود را با ابزار هوش مصنوعی ویرایش کنند. در اینصورت باید حتما به صورت شفاف تصریح نمایند که کدام قسمت ها را با این ابزار انجام داده اند.
3- رعایت اصول اخلاقی و امانتداری علمی: یادآوری می شود استفاده از ابزارهای هوش مصنوعی نباید جایگزین خلاقیت و تلاش فردی دانشجو شود، بلکه می تواند به عنوان ابزار کمکی به کار رود. |