DA 501 Syllabus

Bu derste veri temizleme, düzenleme, işleme ve analiz etme konularında temek fikirler öğretilecektir. Öğrenciler, yoğun veri kullanımı olan uygulamalarda karşılaşılan farklı veri analizi problemleri üzerinde çalışacaklardır. Derste öğrencilerden vaka çalışmalarıyla birlikte pek çok sınıf içi programlama alıştırmaları yapmaları beklenmektedir. Bu alıştırmaların yardımıyla veri analitiğine ve Python programlama dili kullanarak bilimsel hesaplamaya giriş yapılacaktır.

DA 503 Syllabus

Bu ders veri analizi üzerine odaklanmış bir uygulamalı istatistik dersidir. Bu derste iş dünyasından gerçek problemler ve çeşitli istatistiki modelleme teknikleri ele alınarak veriden bilgi üretmek için kullanılabilecek istatistiki araçlar uygulamalar üzerinden incelenecektir. Derste ayrıca doğrusal bağlanım, temel bileşen analizi, çapraz doğrulama ve p-değerlerli gibi konular ele alınacaktır. Bu ders öğrencilerin Python veya R gibi istatistiki bir programlama dilini kullanarak burada öğrenilen teknikleri büyük veri grupları üzerinde uygulamalarına yardımcı olacak bir formatta tasarlanmıştır.

DA 505 Syllabus

Bu ders ilişkisel veri tabanları ve büyük veriler için geliştirilmiş modeller dahil olmak üzere veri işletiminin temellerini kapsamaktadır. Kavramsal modeller (ER ve UML gibi), ilişkisel model ve kavramsal modelden ilişkisel modele geçiş üzerinde durulacaktır. SQL sorgu dili ile ilişkisel veri tabanlarının sorgulanması anlatılacaktır. Büyük veriler ve yeni veri tipleri için geliştirilmiş olan anahtar-değer, çizge, ve dokuman veri tabanları dersin ikinci kısmını oluşturacaktır. Öğrenciler derste MySQL, Neo4j, ve MongoDB gibi veri tabanı sistemleri üzerinde uygulamalı çalışacaktır.

DA 507 Syllabus

Bu dersin amacı analitik modellemeyi, optimizasyon problemlerini, ve optimizasyon problemlerinin temel özelliklerini tanıtmaktır. Derste problemleri analitik/kuantitatif/matematiksel modellere dönüştürmenin ana öğelerini öğretilecek, optimizasyon problemlerini temsil eden basit matematiksel modellerin formulasyonu ve çözümü anlatılacaktır. Optimizasyon problemlerinin çözümünde kullanılan algoritmaların anlaşılması amacıyla hem tam çözüm hem de yaklaşık çözüm yöntemleri, özellikle de sezgisel teknikler üzerinde durulacaktır. Ders boyunca doğrusal, doğrusal olmayan, ve tam sayı optimizasyon problemleri, ağ akışı, ve ağ tasarımı problemleri üzerinde veri bilimi ve veri analitiği alanından örneklerle durulacaktır.

DA 512 Syllabus

Bu dersin amacı öğrencilere Hadoop Distributed File System (HDFS) üzerinde çalışacak programlar yazmak için gerekli temel bilgileri vermektir. Derste geleneksel programlama yöntemlerinin sorunları ve Hadoop’un bu sorunları nasıl çözdüğü gösterilecektir. Hadoop Cluster ve Ekosisteminin temellerini öğrendikten sonra öğrenciler Apache Spark framework’ünü kullanarak programlar geliştirip, bu programları Hadoop cluster üzerinde nasıl çalıştıracaklarını öğrenecekler.

DA 513 Syllabus

Zaman Serisi tahmini veri biliminde en sık kullanılan yöntemlerden biridir. Başta finans olmak üzere tedarik zincirleri yönetiminde, üretim planlamada ve daha bir çok alanda yaygın olarak uygulanmaktadır. Bu dersin amacı öğrencilere zaman serilerinin analiz ve tahminlerinde kullanılan yöntemlere ilişkin kapsamlı bir giriş sağlamaktır. Dersin sonunda öğrenciler zaman serilerinin keşifsel analizini yapabilecek, endüstrinin farklı alanlarında karşılarına çıkabilecek iş problemlerinde kullanılacak modelleri kurabilecek ve yorumlayabilecek birikimi kazanmış olacaklardır. Ders kapsamında yapılacak tüm uygulamaları için Python programlama dili ve kütüphaneler kullanılacaktır.

DA 514 Syllabus

Bu ders, Makine Öğrenmesi temel yaklaşımlarını kapsamaktadır. Ders makine öğrenmesinin temelleri ile başlayarak, farklı öğrenme paradigmaları, regresyon, sınıflandırma problemleri, değerlendirme metodları, genelleştirme, ve ezberleme konuları ile devam edecektir. Daha sonra temel makine öğrenme tekniklerinden karar ağaçları, Bayesian yaklaşımlar, lojistik regresyon, k-enyakın komşuluk, ve çevrimiçi öğrenme algoritmalarına değinilecektir. Öğrencilerin, anlatılan tekniklerin arka planını oluşturan temel teorileri anlamalarının yanında bu teknikleri farklı platformlarda (Weka veya Matlab) uygulamaları beklenecektir.

DA 517 Syllabus

Veri Madenciliği dersi kapsamında verilerin çekilmesi, düzenlenmesi, ve temizlenmesi ile veri madenciliği algoritmalarının çalışmasına hazır hale getirilmesi dersin ilk bölümünü oluşturacaktır. Daha sonra Veri Madenciliği tekniklerinden ilişkisel kural bulma, sıralı örgüler, kümeleme, ve metin madenciliği üzerinde durulacaktır. Öğrencilerin, anlatılan tekniklerin arka planını oluşturan temel teorileri anlamalarının yanında bu teknikleri farklı platformlarda (RapidMiner ya da Weka) uygulamaları beklenecektir.

Eğitmen: Ahmet Onur Durahim

Derin ögrenmedeki son gelişmeler, bilgisayarlı görme ve dogal dil işleme dahil olmak üzere birçok alanda çığır açıcı ilerlemelere yol açmıştır. Bu ders, öğrencileri gerçek dünyadaki zorlukları çözmek için en son teknolojiye sahip derin sinir ağı mimarilerinden ve algoritmalardan yararlanacak pratik beceriler ve teorik bilgilerle donatmayı amaçlamaktadir. Öğrenciler öncelikle sinir ağlarının verilerden karmaşık kalıpları ve temsilleri öğrenmesini topluca sağlayan ağ mimarisi tasarımı, aktivasyon fonksiyonları, kayıp fonksiyonlari, optimizasyon algoritmalari ve düzenleme teknikleri gibi derin öğrenme temellerini kapsamlı bir şekilde anlayacaklardır. Öğrenciler daha sonra Python programlama dili ve PyTorch çerçevesini kullanarak gerçek dünyadaki veri kümeleriyle uygulamalı deneyim yoluyla derin öğrenme modellerini dağıtma, deneyler yapma ve model performansını optimize etme gibi konularda pratik bilgi kazanacaklardır.

DA 519 Syllabus

Veri biliminde nedensellik özellikle son yillarda veri biliminin bir uygulama alani olarak yerini almaktadir. Bu alanin amaci deneysel ve özellikle gözlemsel verileri kullanarak neden-sonuç iliskileri çikarabilmektedir. Bu sayede yapilmasi planlanan müdahalelerin olasi etkileri hakkinda güvenilir çikarimlar elde edilebilecektir. Önemli uygulama alanlari arasinda tip, ekonomi ve finans, pazarlama, politika bilimi, isletme, ve teknoloji endüstrisi gibi disiplinler yer almaktadir. Bu dersin ana çiktisi olarak ögrenciler, neden sonuç iliskilerini modern makine yöntemleri ile elde edebilecektir. Dersin uygulamalari Python dilinde yapilacaktir.

Eğitmen: Ahmet Onur Durahim

Bu ders, katılımcılara Üretken Yapay Zeka konusunda kapsamlı bir temel kazandırmayı hedeflemektedir.; özellikle Büyük Dil Modelleri (LLM’ler) ve bunların gerçek dünya uygulamaları üzerinde durulmaktadır. Temel kavramları derinlemesine anlayacak, LLM mimarileri ve eğitim süreçlerini öğrenecek, bu modellerin güçlü yönlerini ve sınırlarını keşfedeceksiniz. Dersin sonunda, LLM’leri belirli görevlere uyarlamak için ince ayar yapma, harici veri kaynakları ile entegre etme (Retrieval-Augmented Generation - RAG) ve karmaşık görevler için ayapay zeka aracıları (agent) ve aracılı iş akışları oluşturma gibi çeşitli teknikleri uygulamalı olarak kullanabilecek seviyeye geleceksiniz.

DA 522 Syllabus

Verinin iş dünyasında yoğun ve yaygın kullanılmasıyla birlikte bu kapsamda dikkat edilmesi gereken hukuki ve etik unsurlar gerek bireyler gerekse kurumlar açısından kritik önem kazanmıştır. Söz konusu hukuki ve etik konuları tartışmayı amaçlayan ders kapsamında, özel veri, açık veri ve anonim veri kavramları ile verinin kime ait olduğu, hangi durumlarda fikri mülkiyet hakları, ticari sır vb. haklar kapsamında korunacağı gibi hususların yanı sıra, verinin “kişisel veri” niteliğinde olması halinde ortaya çıkan sınırlandırmalar ve uyulması gereken kurallar gerek dünya gerekse de ülkemizdeki ilgili mevzuat ve uygulamalar çerçevesinde değerlendirilecektir.

DA 525 Syllabus

Bu ders, geleneksel proje yönetimi ve çevik proje yönetim yaklaşımları ile birlikte iş hayatında iletişimin temel kavramlarını endüstri perspektifinden öğretmeyi amaçlar. Katılımcılar proje gereksinimleri, iş bileşenleri ve projelerde karşılaşılabilecek zorluklar hakkında bilgi edinir. Proje kapsam yönetimi, zaman yönetimi, maliyet yönetimi, kalite yönetimi, risk yönetimi, tedarik yönetimi, paydaş yönetimi ve etkin kaynak yönetimi gibi yönetsel konular ele alınır. Proje İletişimi, projenin başarısı için olmaz ise olmazdır. Başarılı proje yönetimi için gerekli Yönetsel ve Liderlik becerilerinin geliştirilmesi amaçlanır.

IT 542 Syllabus

Bu dersin amacı öğrencilere Hadoop Distributed File System (HDFS) üzerinde çalışacak programlar yazmak için gerekli temel bilgileri vermektir. Derste geleneksel programlama yöntemlerinin sorunları ve Hadoop’un bu sorunları nasıl çözdüğü gösterilecektir. Hadoop Cluster ve Ekosisteminin temellerini öğrendikten sonra öğrenciler Apache Spark framework’ünü kullanarak programlar geliştirip, bu programları Hadoop cluster üzerinde nasıl çalıştıracaklarını öğrenecekler.

Tezsiz yüksek lisans programına kayıtlı tüm öğrenciler bir proje hazırlamakla yükümlüdürler. Projenin konusu ve içeriği öğrencinin ilgi ve birikimine göre belirlenir ve Proje Yöneticisi öğretim üyesi tarafından onaylanır. Projenin bitiminde öğrenci Proje Yöneticisi tarafından onaylanan bir sonuç raporu yazmak ve sunmakla yükümlüdür.

DA 515 Syllabus

Bu ders kapsamında farklı endüstrilerde ve alanlarda karşımıza çıkan vakalar üzerinden enformasyon keşif sürecinin temel prensipleri uygulamalı olarak incelenecektir. Öğrencilerin bu süreç içinde yeni karşılaştıkları bir veri analitiği projesinde takip edilmesi gereken kritik adımları öğrenmeleri amaçlanmaktadır. Her bir vaka üzerinde verinin temizlenmesi, işlenmesi ve analize hazır hale gelmesi için yararlandığımız araçların kullanımı gösterilecektir. Verinin incelenmesi, boyut azaltılması ve model seçimi gibi konulara ağırlık verilecektir. Her bir vaka çalışması, sonuçların detaylı yorum ve analizi ile sonlandırılacaktır.

DA 516 Syllabus

Makine Öğrenmesi ile Çizgeler dersi, modern uygulamalarda karmaşık ağları modellemek ve analiz etmek amacıyla grafik teorisi, makine öğrenimi ve sosyal ağ analizini bir arada ele alır. Ders, çizge temsilleri, bağlantı analizi, merkezilik ölçüleri ve topluluk tespiti gibi temel kavramların yanı sıra, düğüm gömmeleri ve Çizge Sinir Ağları gibi makine öğrenmesi tekniklerini kapsamaktadır. Ders boyunca öğrenciler, NetworkX ve PyTorch Geometric gibi araçları kullanarak uygulamalı deneyim kazanacak ve bu teknikleri büyük ölçekli ağların analiz edilmesi ile sosyal, teknolojik ve biyolojik sistemlerin modellenmesi gibi gerçek dünya problemlerine uygulayacaklar.

.

DA 518 Syllabus

Keşifsel Veri Analizi (KVA) bir veri setinin en önemli özelliklerini özetleyen ve görselleştiren bir veri analizi yaklaşımıdır. KVA verinin içerdiği yapıları ve değişkenleri anlamak, veri hakkında bir öngörüye sahip olmak ve hangi istatistiksel methodlar ile inceleneceğine karar vermek için verinin keşfine odaklanır. KVA veri görselleştirmeden farklı olarak analiz sürecinin başında gerçekleşen bir işlemdir, buna karşılık veri görselleştirme analizin sonucunda bulunanların paylaşılması için gerçekleştirilir. Bu derste veri görselleştirme anlatılarının pratik teknikleri ele alınacaktır. İş dünyası, endüstri ve gazetecilikten vaka çalışmalarına yer verilecektir.