Veri Bilimi Yüksek Lisans Programı dersleri

Özyeğin Üniversitesi

Yüksek Lisans

Veri Bilimi Yüksek Lisans Programı

Genel Bilgiler

---

IE 501 Doğrusal Programlama                                                      

Dersin amacı, kararların sonuçlarının doğrusal ilişkilerle bağlı olduğu eniyileme problemlerinin modellenmesi ve ilgili çözüm algoritmalarının öğretilmesidir. Üzerinde durulacak konular arasında temel ve çifteşli simpleks yöntemleri, doğrusal programlama çifteşliği, tümler gevşeklik bağıntısı, duyarlılık analizi, yozluk ve yozlukla başa çıkma yöntemleri, serim akışlarının doğrusal programlar olarak modellenmesi ve ağ simpleks yöntemi ile çözülmesi bulunmaktadır. Dersin odağı teorik ağırlıklı olacak, verilecek çalışmalarda ağırlıklı olarak öğrencilerin matematiksel ispatlar yapması beklenecektir.

IE 502 Kesikli Eniyileme                              

Dersin amacı, kararların kesikli olduğu eniyileme problemlerinin modellenmesi ve doğrusal programlama tabanlı kesikli eniyileme yöntemleri kullanılarak çözülmesinin öğretilmesidir. İşlenecek konular arasında tümlü birimsellik, çokyüzlüler kuramına giriş, genel geçerli eşitsizlikler, çifteşlik ve gevşetme, dal-sınır ve dal-kesi yöntemleri, kesen düzlem algoritmaları, Lagrange gevşetmesi ve altgradyan yöntemi, kolon türetme ve dal-fiyat yöntemi ve dinamik izlenceleme yöntemi bulunmaktadır. Öğrencilere verilecek çalışmalarda, teorik analizler ve pratik uygulamalar eşit ağırlıklı olacak, öğrencilerin matematiksel ispatlar yapmasının yanı sıra derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 503 Doğrusal Olmayan Programlama                                    

Dersin amacı, kararların sonuçlarının doğrusal olmayan ilişkilerle bağlı olduğu eniyileme problemlerinin modellenmesi ve ilgili çözüm algoritmalarının öğretilmesidir. Üzerinde durulacak konular arasında dışbükey analiz, eniyilik için gerekli ve yeterli koşullar, eşitlik ve eşitsizlik kısıtlarının çözümlenmesi, doğru araması yöntemleri, güven alanı yöntemleri, Nelder-Mead yöntemi, Newton yöntemi ve türevleri,  ceza fonksiyonu yöntemleri bulunmaktadır. Öğrencilere verilecek çalışmalarda, teorik analizler ve pratik uygulamalar eşit ağırlıklı olacak, öğrencilerin matematiksel ispatlar yapmasının yanı sıra derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 504 Sezgisel Eniyileme                         

Dersin amacı, son yirmi yılda hızla gelişen metasezgisel yöntemlerin tanıtılması ve farklı eniyileme problemlerindeki uygulamalarının gösterilmesidir. Üzerinde durulacak konular arasında klasik kuruluşsal ve yerel iyileştirme sezgiselleri, Lagrange gevşetmesi, Benzetimlenmiş Tavlama, Tabu Araması, Dürük Yerel Arama, Genetik ve Memetik Algoritmalar, Karınca Kolonisi Eniyilemesi, Yol Yeniden Birleştirme ve Parçacık Kovanı Eniyilemesi bulunmaktadır. Öğrencilere verilecek çalışmalarda, odak pratik uygulamalarda olacak, derste öğrenilen algoritmaların genel amaçlı bir bilgisayar programlama dili veya ticari eniyileme yazılımları kullanılarak uygulaması beklenecektir.

IE 512 Ağ Bilimi  

Bu ders, grafik teorisi ve ağlarla ilgili temel kavramların tanımlarını içerir. Ağların matematiği, ağ analizi için gerekli metrikler ve ölçümler, sosyal ağların oluşumu gibi konular dersin temel konularıdır. Ders kapsamında sosyal ağ üzerindeki topluluklar ve kritik bileşenleri bulma, basamaklı efektler, bilgi yayınımı gibi süreçler anlatılır. Bu tür sorunlar pazarlamadan telekomünikasyona, pek çok alanla ilgilidir.

IE 521 Yöneylem Araştırması ve Uygulamaları                           

Bu ders ileri seviye yöneylem araştırması tekniklerini ve bilgisayar uygulamalarını tanıtır. Öğrenciler matematiksel eniyileme ile mühendislik ve veri madenciliği problemlerini formüle etmeyi öğrenir. Öğrenciler deterministik ve rassal problemleri formüle etme ve çözme tecrübesine en iyi ticari çözücülerle aşina olurlar.

IE 531 Olasılıksal Analiz                                                             

Dersin amacı, mühendislikte ve uygulamalı bilimlerde kullanılan olasılık teorisinin temellerini öğretmektir. Olasılık teorisi başlığı altında üzerinde durulacak konular arasında, örnek uzay olayları, olasılıksal modeller, rassal değişkenler, koşullu olasılık, kesikli ve sürekli dağılımlar, beklentiler, ortak/bileşik dağılımlar, büyük sayılar kanunu ve merkezi limit teoremi bulunmaktadır. Çıkarımsal istatistik başlığı altında üzerinde durulacak konular arasında, örnekleme, nokta ve güven aralığı tahminleri ve hipotez testleri bulunmaktadır. Öğrencilere verilecek çalışmalarda, odak pratik uygulamalarda olacak, derste öğrenilen algoritmaların özelleşmiş istatistik yazılımları kullanılarak uygulaması beklenecektir.

IE 532 Rassal Süreçler 

Dersin amacı, rassal bileşen içeren süreçlerin davranışlarını inceleyen ve analiz eden matematiksel modellerin kullanımını göstermektir. Üzerinde durulacak konular arasında, olasılık kuramının tekrarı, rasgele yürüyüşler, Poisson süreçler, yenileme kuramı, kesikli ve sürekli Markov zincirleri ve güvenilirlik bulunmaktadır. Öğrencilere, derste öğretilen temel kavramların, kuralların ve yaklaşımların envanter kontrolü, üretim, finans, ve komünikasyon sistemleri konularındaki uygulamaları da tanıtılacaktır.

IE 534 İleri İstatistik   

Dersin amacı, öğrencilere mühendislikte ve uygulamalı bilimlerde kullanılan istatistik modellerini,  bu modellerin uygulanma şekillerini ve sonuçlarını yorumlamayı öğretmektir. Dersin vurgusu, istatistiksel çıkarımın temel ilkeleri üzerinedir. Ders materyali ayrıca temel regresyon analizi ve doğrusal modelleri içerir. Üzerinde durulacak konular arasında, istatistikî kestirici kavramı, nokta tahmini, güven aralıkları, regresyon analizi, Cramer-Rao alt sınırı, hipotez testleri, olasılık dağılımı uyuşum sınaması, değişinti analizi, deney tasarımı metodolojisi, sınıflandırma teorisi ve kümeleme çözümlemesi bulunmaktadır. Öğrencilere, derste öğretilen metotların mühendislikte ve uygulamalı bilimlerdeki uygulamaları da tanıtılacaktır.

IE 535 İleri Benzetim                              

Dersin amacı, benzetim metodolojisinin temellerini öğretmek ve diğer yaklaşımlarla olan farkını göstermektir. Derste girdi verilerinin ve uygun olasılık dağılımlarının istatistiksel analizi ve rassal sayı üretme, benzetim deneylerinin tasarlanması, model doğruluğu ve sağlaması, değişinti azaltma teknikleri, çıktı ve sonuç duyarlılık analizi gibi konulara yer verilir. Öğrenciler, modern benzetim dillerine aşinalık kazanırlar ve en yeni benzetim yazılımlarını kullanarak benzetim modellerini kodlamayı öğrenirler. Derste özellikle süreçleri iyileştirmek ve karmaşık sistemlerde karar vermeye yardımcı olmak için benzetimin nasıl kullanılabileceğini gösteren gerçek yaşam uygulamaları (örneğin imalatta kapasite planlaması ve programlaması, çağrı merkezlerinde kuyruk yönetimi ve acil servislerde hasta akış analizi gibi) üzerinde durulur.

IE 556 Karar Destek Sistemleri   

Bu dersin amacı, öğrencilerin tablolama programları tabanlı karar destek araçlarını geliştirebilmek için hesaplama ve yazılım yetilerini geliştirmelerine yardım etmektir. İşlenecek konular pivot tablolar, arama fonksiyonları, VBA programlama ve makro geliştirme, kullanıcı ara yüzü geliştirme, VBA ile çözücü ve benzetim modelleri geliştirme. Öğrenciler, çeşitli alanlara yönelik (mühendislik, yönetim bilimi ve finans) karar destek sistemleri vakaları ile tanışık hale getirilir.

IE 562 Oyun Teorisi                          

Oyun teorisi,  sadece ekonomik piyasa katılımcılarının etkileşimlerini anlamak için değil, bunun sonucu gözlenen sosyal fenomeni anlamak için de geliştirilmiş matematiksel bir araçtır. Dersin amacı, öğrencilere katılımcıların stratejik etkileşimlerini inceleyen analitik yaklaşımları öğretmektir. Üzerinde durulacak konular arasında, fayda kavramı, normal formda oyunlar, baskınlık, Nash dengesi, saf ve karışık stratejiler, kapsamlı formda oyunlar,  tekrarlanan oyunlar, asimetrik/eksik bilgili oyunlar bulunmaktadır.  Öğrencilere, derste öğretilen temel kavramların, kuralların ve yaklaşımların mühendislik, işletme, ekonomi alanındaki uygulamaları da vaka olayları yardımıyla anlatılacaktır.

IE 564 Karar ve Risk Analizi                            

Dersin amacı, öğrencilere belirsizlik, çelişen amaçlar ve risk altında ussal karar vermede kullanılan analitik modelleri öğretmektir. Üzerinde durulacak konular arasında, belirsizliği modellemek, ussal karar verme ilkeleri, karar problemlerini değer ağaçları, karar ağaçları ve etki diyagramları ile inceleme, değer hiyerarşilerini, karar ağaçlarını ve etki diyagramlarını çözme,  bilginin değerini tanımlama ve hesaplama, risk miktarını analize dahil etme ve duyarlılık çözümlemesi yapma bulunmaktadır.  Öğrencilere, derste öğretilen kavramların ve çözüm yöntemlerinin uygulamaları vaka olayları analizi ile tanıtılacaktır.

IE 572 İşletmeler için Tahminleme  

Bu dersin amacı öğrencilere operasyon planlama ve kontrol sistemleri ve talep yönetiminde kestirim; veri yığınlaması ve piramit kestirim yöntemleri; kestirim doğruluğu değerlendirme yöntemleri; kalitatif, kantitatif, kalitatif-bazlı kantitatif ve kantitatif-bazlı kalitatif kestirim yöntemleri; zaman serilerinde trend, mevsimsellik, zaman serisi kestirim; veri toplama, model tespiti, ve kestirim oluşturma masrafları ve “en iyi” kestirim modelinin seçimi; model seçiminde uç değerlerin, yapısal değişikliklerin ve kestirim hataları değerlendirme metodu seçimlerinin etkisi; alternatif kestirimleri birleştirmenin faydaları konularını öğretmektir.

CS 545 Pekiştirmeli Derin Öğrenme                             

Bu ders, yapay öğrenmenin pekiştirmeli öğrenme isimli, akıllı eylem planlaması yapan modeller geliştirmeyi amaçlayan kolu hakkında giriş düzeyi bir içerik sunar. Pekiştirmeli öğrenme modelleri günümüzde robot kontrolünde, bilgisayar oyunlarının yapay zeka motorlarının geliştirilmesinde ve otomatik araç kullanma uygulamalarında etkin olarak kullanılmaktadır. Bu ders pekiştirmeli öğrenmeye, derin öğrenme perspektifinden bakmakta ve pekiştirmeli öğrenme yapabilen derin yapay sinir ağlarının oluşturulması gibi uygulamalı konuları da kapsamaktadır.

CS 552 Python ile Veri Bilimi                                

Bu dersin amacı yüksek lisans ve doktora öğrencilerinin Makine Öğrenmesi ile gerçek hayattaki Veri Bilimi problemlerini var olan araç ve Python dilini kullanarak çözme yeteneği kazanmalarını sağlamaktır. Ders kapsamında aşağıdaki konular işlenecektir: Python programlama diline giriş, Python ile Makine Öğrenmesi, Öğreticisiz Öğrenme, Gözetimli Öğrenme, Tavsiye Sistemleri.

CS 554 Yapay Sinir Ağları ve Otomatik Öğrenmeye Giriş                              

Ders öğrencilere yapay sinir ağlarında ve otomatik öğrenmede kullanılan standart teknikleri öğretmeyi amaçlar. İşlenecek konular: (Otomatik) öğrenme kavramı, Matematiksel çıkarımlı yöntemler (interpolasyon, hata minimizasyonu vb.), Beyin sinir ağlarından esinlenilmiş yapay nöral ağlar (perceptron öğrenmesi, Hopfield ağlar, ileri beslemeli ağlar vb.)

CS 556 Büyük Veri Analizi                         

Bu ders veri anlamlandırma algoritmalarının büyük veriler üzerindeki uygulamalarını konu almaktadır. Dersin odak noktası Map Reduce teknolojisi kullanarak paralel çalışan programlar yazarak büyük boyutlu verileri işlemektir. Bu ders Sıkça Birlikte Görülen Nesneler, İlişki Kuralları, Yüksek Boyutlu Veride En Yakın Komşu Araması, Muhit Hassas Gruplama, Boyut Azaltma, Öneri Sistemleri, Öbekleme, Link Analizi, Büyük Boyutlu Denetli Makina Öğrenmesi, Veri Akışı, Webin Yapısal Data için Anlamlandırılması ve Web Reklamları konularını içerir.

CS 558 İstatistiksel Yapay Öğrenmeye Giriş                             

Bu ders, modern istatistiksel çıkarsama tekniklerini yapay öğrenme bakış açısı ile işler. Önsel bilgi kavramı ve önsel bilginin bir öğrenme modeline ilkeli olarak nasıl işlenebileceğini ele alır. Günümüz yapay öğrenme araştırmalarının merkezinde bulunan yaklaşık çıkarsama tekniklerini ayrıntılı şekilde tarif eder. Ders, bu çıkarsama tekniklerinin derin öğrenmeye nasıl uygulanabileceğine dair yeni gelişmelere değinerek son bulur.

CS 566 Derin Öğrenmeye Giriş                            

Bu ders, konvolüsyonel sinir ağları, eğitmenli sınıflandırma, lojistik regresyon, çapraz entropi gibi temel derin öğrenme konularını tartışmaktadır. Ayrıca, eğitimin sayısal istikrarını, performansın ölçülmesindeki önemini analiz eder. Ek olarak ders performans ayar parametrelerinin ince ayarını yapmakta ve hızlı bir şekilde yakınsama için çeşitli yöntemler getirmektedir.

Veri Bilimi Yüksek Lisans Programı dersleri dersinden özel ders almak için bizimle iletişime geçebilirsiniz.