Ders Adı |
DA 512 Hadoop ile Büyük Veri İşlenmesi (Seçmeli)
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 514 Makine Öğrenmesi I (Seçmeli)
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 518 Keşifsel Veri Analizi ve Görselleştirme (Seçmeli)
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.
|
DA 517 Makine Öğrenmesi II (Seçmeli)
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.
|
DA 516 Sosyal Ağ Analizi (Seçmeli)
DA 516 Syllabus
Farklı türdeki sosyal ağlar ve bireyler arasındaki bağlantılar, son zamanlarda ortaya çıkan yeni nesil uygulamaların altındaki modeli anlamamız konusunda hayati bir önem taşımaktadır. Bu bağlantılar, gerek bireysel gerekse ticari ağlar ve toplulukların etkileşiminde görülen aktörleri, yani bireyleri, yerleri, etkinlikleri, iş alanlarını, ürünleri, sosyal ve bütünleşik iş akışlarını içine almaktadır. Bu derste Facebook, Twitter, Linkedin ve Foursquare gibi farklı uygulamalar incelenecek ve farklı bağlantılarla oluşturulan ağ türleri de araştırılacaktır. Bu ağların nasıl çalıştıklarına ışık tutacak teknik araçlar incelenecek ve sosyal ağ analizi ve modellemesi için gerekli olan graf teoriye de giriş yapılacaktır. Kurs kapsamında oyun teori ile etkileşim dinamiği de inceleme altına alınacaktır. Derste öğretilecek olan kavramlar:
- Farklı sosyal ağların çalışma mekanizmalarını incelenmesi ve modellenmesi
- Graf teorinin temelleri
- Temel sosyal ağ analizi
- Oyun teorisinin temelleri
- Bu kavramların yeni web ve sosyal ağ uygulamalarına uyarlanması
.
|
DA 515 Veri Analitiği Pratik Vaka Çalışmaları (Seçmeli)
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 522 Bilişim Hukuku ve Veri Etiği (Seçmeli)
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 Proje Yönetimi ve İş İletişimi (Seçmeli)
DA 525 Syllabus
Dersin amacı endüstri perspektifinden proje yönetimi ve iş hayatında iletişim konusundaki temel kavram ve yaklaşımları katılımcılara aktarmaktır. Ders tamamlandığında, katılımcıların proje isterleri konusunda dikkat gerektiren iş bileşenleri ve karşılaşılması olası zorluklara ilişkin hususlarda bilgi sahibi olmaları beklenmektedir. Buna ek olarak derste ekip yönetimi ve iş takvimi, riskler ve başarılı bir proje çıktısı için gerekli kaynaklar gibi proje yönetiminin önemli diğer alanları da işlenecektir. Dersin ikinci kısmı ekip üyeleri ile etkin iletişim kurma, farklı kitleler için sunum teknikleri, araştırma ve analiz sonuçları ile birlikte önerilerin üst yönetime aktarılması gibi konular üzerine odaklanacaktır.
|
DA 592 Dönem Projesi (Kredisiz)
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.
|