Anasayfa » Akademik Birimler » Makine Fakültesi » Endüstri Mühendisliği Bölümü » Dersler » İş Analitiği ve Yapay Zeka
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
İş Analitiği ve Yapay Zeka END590937.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Endüstri Mühendisliği ABD İşletme Mühendisliği Tezsiz Yüksek Lisans Programı (2. Öğretim)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimEndüstri Mühendisliği Bölümü
Dersin KoordinatörüAlev TAŞKIN
Dersi Veren(ler)Alev TAŞKIN
Asistan(lar)ı
Dersin AmacıYönetici ve yönetici adaylarının büyük miktarda veriyi toplama, temizleme, düzenleme, modelleme ve bilgi çıkarımına yönelik altyapının sunulması.
Dersin İçeriğiVeri Analitiğine Giriş, Veri Madenciliğindeki Adımlar, Tahmine Dayalı Model Oluşturma, Veri Keşfi, Veri Görselleştirme, Boyut Azaltma, Korelasyon Analizi, Değişken Dönüştürme- Performans Değerlendirmesi, Tahmine Dayalı Performansı Değerlendirme, Sınıflandırıcı Performansını Değerlendirme, Tahmin ve Sınıflandırma Yöntemleri, Doğrusal Regresyon, K-nn Kümeleme, Naive Bayes Sınıflandırıcı, Sınıflandırma ve Regresyon Ağaçları, Aşırı Uyumdan Kaçınma, Lojistik Regresyon, İlişkilendirme Kuralları ve İşbirliğine Dayalı Filtreleme, Küme Analizi, Hiyerarşik (Aglomeratif) Kümeleme, K-Means Algoritması, Çapraz Doğrulama, Denetimli Öğrenim, Karar Ağaçları, Destek Vektör Makinesi, Kendini Örgütleyen Haritalar, Yapay Sinir Ağları.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Jay Liebowitz, Data Analytics and AI, 1st Edition, CRC Press, 2020.
  • S. Haykin, Neural Networks:  A Comprehensive Foundation, Prentice Hall, 1999.
  • E.Öztemel, Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul, 2003.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Büyük verinin toplanması, temizlenmesi ve düzenlenmesi
  2. Tahmin problemlerinin çözümüne yönelik metotların öğrenilmesi
  3. Kümeleme problemlerinin çözümüne yönelik metotların öğrenilmesi
  4. Makine öğrenmesi ve yapay zeka tekniklerinin gerçek yaşam problemlerinde kullanılması

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4
PÇ-1----
PÇ-2----
PÇ-3----
PÇ-4----
PÇ-5----
PÇ-6----
PÇ-7----
PÇ-8----
PÇ-9----
PÇ-10----
PÇ-11----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1İş Analitiğine Giriş ve Temel Kavramlar
2Veri Toplama, Temizleme, İşleme ve Görselleştirme
3Tahmin Problemleri ve Makine Öğrenmesi Metotları ile Çözüm Uygulamaları
4Tahmin Problemleri ve Makine Öğrenmesi Metotları ile Çözüm Uygulamalarıa
5Sınıflandırma Problemleri ve Makine Öğrenmesi Metotları ile Çözüm Uygulamaları
6Kümeleme Problemleri ve Makine Öğrenmesi Metotları ile Çözüm Uygulamaları
7Yapay Zeka ve Yapay Zeka Teknikleri
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Yapay Sinir Ağları ve Tahmin, Sınıflandırma, Kümeleme Problem Uygulamaları
10Yapay Sinir Ağları ve Tahmin, Sınıflandırma, Kümeleme Problem Uygulamaları
11Derin Öğrenme ve Derin Öğrenme Tekniklerine Giriş
12Derin Öğrenme ve Derin Öğrenme Tekniklerine Giriş
13Öğrenci Sunumları
14Öğrenci Sunumları
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar140
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması133
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler150
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)150
Final (Sınav Süresi + Sınav Hazırlık Süresi)150
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok