×
WEB MAIL TELEFON REHBERİ ÖĞRENCİ BİLGİ SİSTEMİ AÇILAN DERSLER UZAKTAN EĞİTİM KAMPÜSTE YAŞAM KÜTÜPHANE PORTALI ULAŞIM
Bölüm TanıtımıEğitim ProgramıDers İçerikleriÖğretim Elemanları

Çankaya Üniversitesi Fen Bilimleri Enstitüsü bünyesinde yer alan Veri Analitiği Yüksek Lisans Programında Tezli ve Tezsiz alternatifleri ile Türkçe eğitim verilmektedir.

İşletme, kurumlar ile iktisadi karar alıcıların etkin ve verimli kararlar alması için veriyi stratejik bir varlık olarak görmeleri, veri analiz yöntem ve süreçlerini doğru kullanmaları gerekmektedir. Bu gereklilik veri analiz yöntemlerinin gerektirdiği istatistiksel ve matematiksel modelleme ve yöntemleri, iktisadi ve finansal kavram ve teoriler çerçevesinde uygulamak için gerekli yazılım ve kodlama becerilerine sahip eleman ihtiyacını artırmış ve artırmaya devam edecektir.

Bulut bilişim, e-ticaret, makine öğrenmesi ve sosyal ağların büyümesiyle birlikte iktisat/finans ve bilgisayar bilimleri arasındaki ilişki iyice belirgin hale gelmiştir. Bilgisayar ve iktisat/finans tamamlayıcı nitelikte araçlar sunan iki bilim dalıdır. Örneğin, makine öğrenmesi gibi bir bilgisayar bilimi tekniği, sosyal platformlardan gelen zengin verilerdeki kalıpları ortaya çıkarabilir. İktisat/Finans bilimi ise bu kalıpların nasıl ve neden ortaya çıktığını anlamayı sağlayacak teoriler ortaya koyabilir.

 

 

Çankaya Üniversitesi Veri Analitiği Yüksek Lisans Programı tezli ve tezsiz olmak üzere iki alt programdan oluşmaktadır.  Tezli program en az 3 zorunlu, 4 seçmeli ders olmak üzere minimum kredili 7 ders yanında seminer, tez ve özel çalışmalardan (toplam 21 kredi) oluşmaktadır.  Tezsiz program en az 4 zorunlu ve 6 seçmeli ders olmak üzere minimum kredili 10 ders ve projeden (toplam 30 kredi) oluşmaktadır. Zorunlu ve seçmeli ders grupları aşağıda sunulmuştur.

Tezli Yüksek Lisans Zorunlu Dersler:

Ders Kodu Ders Adı  Kredi (T P K) Kredi (AKTS)
İVA 501 Veri Mühendisliği ve Programlama Teknikleri  ( 3 0 3 ) 7,5
İVA 502 İleri Matematiksel Modelleme ve Optimizasyon ( 3 0 3 ) 7,5
İVA 503 Veri Yönetimi ve Analizi ( 3 0 3 ) 7,5
İVA 504 Veri Tabanı Yönetimi ( 3 0 3 ) 7,5
İVA 590 Seminer ( 3 0 3 ) 7,5
İVA 599 Tez ( 3 0 3 ) 7,5
RME 500 Araştırma Yöntemleri ve Etik ( 3 0 3 ) 7,5

Tezsiz Yüksek Lisans Zorunlu Dersler:

Ders Kodu Ders Adı  Kredi (T P K) Kredi (AKTS)
İVA 501 Veri Mühendisliği ve Programlama Teknikleri  ( 3 0 3 ) 7,5
İVA 502 İleri Matematiksel Modelleme ve Optimizasyon ( 3 0 3 ) 7,5
İVA 503 Veri Yönetimi ve Analizi ( 3 0 3 ) 7,5
İVA 504 Veri Tabanı Yönetimi ( 3 0 3 ) 7,5
İVA 592 Bitirme Projesi ( 3 0 3 ) 7,5

Seçmeli Dersler***:

Ders Kodu Ders Adı Kredi (T P K) Kredi (AKTS)
İVA 505 Uygulamalı İktisat ( 3 0 3 ) 7,5
İVA 506 İktisatta Kantitatif Yöntemler ( 3 0 3 ) 7,5
İVA 507 Pazarlamada Kantitatif Yöntemler ( 3 0 3 ) 7,5
İVA 508 Dijital Pazarlama ( 3 0 3 ) 7,5
İVA 509 Pazarlama Yönetimi ve Stratejileri ( 3 0 3 ) 7,5
İVA 510 İşletmeler İçin Veri Analitiği ( 3 0 3 ) 7,5
İVA 512 İktisadi ve Finansal Zaman Serileri Analizi ( 3 0 3 ) 7,5
İVA 513 Finansal Yönetim ( 3 0 3 ) 7,5
İVA 514 Proje Yönetimi ( 3 0 3 ) 7,5
İVA 515 Büyük Veri Teknolojileri ve Uygulamaları  ( 3 0 3 ) 7,5
İVA 517 BT Hizmet Yönetimi ( 3 0 3 ) 7,5
İVA 518 Uygulamalı Mikro Veri Analizi ( 3 0 3 ) 7,5
İVA 520 Metin Madenciliği ve Analitik ( 3 0 3 ) 7,5
İVA 522 Sosyal Medya Analitiği ( 3 0 3 ) 7,5
İVA 524 Veri Görselleştirme ( 3 0 3 ) 7,5
İVA 526 Makine Öğrenmesi ( 3 0 3 ) 7,5

 

(***) Seçmeli derslere ilaveten lisansüstü danışmanının ve Anabilim Dalı Başkanının onayı ile Fen Bilimleri Enstitümüzde programı olan diğer bölümlerden de dersler alınabilir. Bunlar seçmeli dersler olarak sayılacaktır. Bu türden alınmış derslerden en çok ikisi (6 kredi) öğrencinin programında sayılabilir.

 

 

İVA 501 Veri Mühendisliği ve Programlama Teknikleri (3 0 3)

Veri mühendisliği, veri biliminin veri toplama ve analizi amacıyla geliştirilmiş pratik uygulamaları noktasına odaklanmış bir kolu olarak tanımlanabilir ve büyük miktarlardaki veri üzerinde işlem ve bu veriye erişim yapabilmek için oluşturulan mekanizmalar için geliştirilmiş operasyon kümesi olarak görülebilir. Bu ders genel anlamda veri mühendisliği konuları hakkında olacaktır ve veri üzerinde çalışmak için gerekli önemli metodolojileri içermektedir. Veriye erişim, verinin görselleştirilmesi ve anlaşılması, veri üzerinde istatistiksel analizlerin yapılması ve makine öğrenmesinin temel anlamda kullanılması bu dersin kapsamında yer alacaktır. Veri toplama, bütünleştirme ve bu işlemlerin yönetimi, modelleme, analiz ve tahminleme, karar alma mekanizmaları, verinin güvenliği ve gizlilik konuları da bu ders kapsamında yer alacaktır. Bu ders öğrencilere pratik anlamda veri mühendisliği yetenekleri kazandırmak için işletme, mühendislik, sosyal bilimler ya da doğal bilimler konuları üzerinde geliştirilecek projeler ve örnek uygulamalar üzerinde çalışma fırsatı verecektir. Bu yeteneklerin kazanılması için, programlama teknikleri de bu ders kapsamında anlatılacaktır. Bu dersin sonunda öğrenciler, programlama tekniklerinin yardımı ile gerçek dünyada veri mühendisliğinin süreçlerin öğrenmiş olacaklardır.

 

İVA 502 İleri Matematiksel Modelleme ve Optimizasyon (3 0 3)

Bu ders kapsamında incelenecek konular doğrusal programlama modelleri, Simplex algoritması, duyarlılık analizi ve dualite teoremleri, şebeke modelleri ve şebeke Simplex algoritması, tamsayı programlama, dal-sınır ve kesen düzlemler yöntemleri, doğrusal olmayan programlama, dinamik programlama, stokastik programlama, optimal karar vermeyi sağlayan matematik modellerin gerçek hayatta karşılaşılan uygulama alanlarının gösterilmesi ve bu modellerin çözüm yöntemlerinin gösterilmesidir.

 

İVA 503 Veri Yönetimi ve Analizi ( 3 0 3 )

Bu dersin kapsamı öğrencilere veri analitiği konusunda gerekli istatistik ve temel ekonometri kavramlarını öğretmektir. Uygulama ağırlıklı planlanan bu ders R-programlama dilini kullanacaktır. Öğrenciler bu ders içinde temel veri analizi, basit ve çoklu regresyon (OLS, MLE), değişken varyans (heteroscedasticity), otokorelasyon, çoklu doğrusal bağlantı (multicollinearity), yapısal kırılma ve kukla değişkenler konularını göreceklerdir.

 

İVA 504 Veri Tabanı Yönetimi (3 0 3)

Etkin veri toplama, analiz etme ve bu verinin bakımı süreçleri, bilim ve mühendislik dünyasında hızlı ve etkin bir gelişim için önemlidir. Bu ders ile veri ve bilgi yönetiminin temel disiplinleri ve teknikleri ele alınacaktır. Günümüzdeki veri tabanı sistemlerinin teorik ve pratik yaklaşımlarının anlaşılması amaçlanmaktadır. Bu ders ile sağlam bir veri tabanı yönetim sistemi altyapısı verilerek öğrencilerin genel veri tabanı bilgisine, bu veri tabanlarının yapısı ve sorgulama diline hâkim olmaları hedeflenmektedir. Varlık-ilişki modellemesi de bu derste sunulacaktır. Veri tabanı yönetim sisteminin tasarımı ve uygulanması ve bu uygulamada yer alacak olan temel fonksiyonların sunumu da bu dersin kapsamındadır. Bu dersin sonunda öğrencilerin fonksiyonel bağımlılığı ve fonksiyonel dekompozisyonunun ne demek olduğunu öğrenmesi beklenmektedir. Çeşitli normalleştirme tekniklerinin uygulanması ve sorgu programlama tekniklerinin gerçekleştirilmesi yine bu dersin kapsamında olan konulardandır. Bu teknikler, kursör yönetimi, hata kontrolü ve veri tabanı normalleştirmeyi içermektedir. Tetiklenme mekanizmaları, dizin yapıları, koşut zamanlılığın denetimi, işlem yönetimi, kilit mekanizması ve ileri seviye SQL sorguları da bu derste sunulacak ileri seviye konulardır. Bu dersin yardımıyla, öğrenciler sorgulama yöntemlerini ve bu sorguların iyileştirilmesi konusunu öğrenmiş olacaklardır. Disk depolama, yedekleme ve kurtarma mekanizmaları da bu derste anlatılacak diğer konulardır.

 

İVA 505 Uygulamalı İktisat ( 3 0 3 )

Bu ders öğrencilere mikro ve makroekonomideki temel konularla ilgili teori, veri analizi ve ampirik araştırma bilgilerini vermeyi amaçlamaktadır. Dersin ilk bölümü mikroekonomiye odaklanmakta ve tüketici tercihleri, fayda maksimizasyonu, harcama minimizasyonu, üretim teknolojisi, kar maksimizasyonu ve maliyet minimizasyonu gibi konuları kapsamaktadır. Dersin ikinci bölümünde, makroekonomi literatürünün temel teorileri ve politika tartışmaları ele alınmaktadır. Konular arasında tüketim ve tasarruf, yatırım, enflasyon, işsizlik, ekonomik büyüme, maliye ve para politikası ve finansal piyasalar ve kurumlar yer almaktadır.

 

İVA 506 İktisatta Kantitatif Yöntemler (3 0 3)

Bu derste iktisadi analizlerde kullanılan temel ve ileri matematiksel araçlar tanıtılmakta ve bu araçların, tüketici teorisi, üretici teorisi, piyasa modelleri, girdi-çıktı analizi, ekonomik büyüme modelleri, milli gelir modelleri ve IS-LM analizi gibi iktisadın değişik alanlarında nasıl uygulandığı anlatılmaktadır. Dersin amacı öğrencileri matematiksel modellemede kullanılan, denge analizi, karşılaştırmalı durağanlık analizi ve optimizasyon gibi tekniklerle tanıştırmak ve bu tekniklerin, tüketicilerin, firmaların ve piyasaların davranışlarına ilişkin teorik ve pratik iktisadi problemlerin analizinde nasıl uygulandığını öğretmektir.
 

İVA 507 Pazarlamada Kantitatif Yöntemler (3 0 3)

Kantitatif pazarlama araştırması üretimden önce başlayan ve tüketimden sonra da devam eden her türlü dijital ve dijital olmayan verileri toplama, bu verileri sınıflandırma, çeşitli çok değişkenli analiz yöntemleri kullanarak analiz etme ve raporlama faaliyetlerini içerir. Hazır ve toplanmış veriler üzerinde uygulanan bu analizler için SPSS ve SAS gibi hazır paket programları kullanılacaktır. Bu dersin ana amacı, öğrencilere dijital ortamda birincil ve ikincil kaynaklardan veri bulmayı, bu verileri bilgisayar ortamında sınıflandırmayı, ileri ve çok değişkenli istatistiksel yöntemler kullanarak analiz etmeyi, analiz sonuçlarını yorumlamayı ve sonuçları rapor etmeyi öğretir.

 

İVA 508 Dijital Pazarlama (3 0 3)

Dijital Pazarlama dersi temel olarak Dijital Pazarlama kavramları, stratejileri ve uygulaması hakkında medya kararları ve tüketici ilişkilerinin planlaması da dahil olmak üzere ayrıntılı bireğitim sunar. Ders ayrıca etkili bir dijital pazarlama kampanyası ve bununla ilgili faaliyetler oluşturmanın temel unsurlarını anlamak için tasarlanmıştır. Bu dersin ana amacı, öğrencilere dijital pazarlamanın işletmeler için avantajları ve pazarlama başarısı için önemi hakkında bilgi vermektir. Bunun yanı sıra dijital bir pazarlama planı geliştirmek, bir hedef grup tanımlamak, çeşitli dijital kanallara, avantajlarına ve dijital etkileşim yollarını kavramak, farklı dijital ortamların nasıl bütünleşeceği ve pazarlama içeriğinin nasıl oluşturulacağını anlamak, marka kararlarının dijital pazarlamadaki önemini anlamak, dijital kanalların değerlendirilmesini ve geliştirilmesini kavramakla ilgili amaçları bulunmaktadır.

 

İVA 509 (Pazarlama Yönetimi ve Stratejileri (3 0 3)

Bu ders günümüzde yerleşmiş ve giderek güncelleşen pazarlama terminolojisinin stratejiye dönüşen boyutlarını, ürün geliştirme, fiyatlandırma, dağıtım ve tutundurma stratejilerini ortaya koyar. Pazarlamanın dört karma elemanı çerçevesinde ve makro konuları itibariyle gelişmen güncel konuların stratejik boyutlarını yüksek lisans öğrencilerine aktarmak dersin temel amacıdır.

 

İVA 510 İşletmeler İçin Veri Analitiği ( 3 0 3 )

Bilişim teknolojilerindeki hızlı ilerleme işletmelerin yüksek hacimli veriye (big data) ulaşmalarını kolaylaştırmış, ama aynı zamanda yüksek hacimli verinin analiz edilmesi ile işletme karlılığını pozitif etkileyecek uygulanabilir kararlara dönüştürülmesi gerekliliğini de ortaya çıkarmıştır. Bu ders özellikle yüksek hacimli veri kullanılan işletmeler için gerekli veri bilimi araçlarını öğrenci ile buluşturmaktadır. Bu tekniklerin teorisi ile birlikte uygulamaları R-programı ile yapılacaktır. Dersin kapsamında entropi ve bilgi kazancı, sınıflandırma ve regresyon ağaçları, destek vektör makinesi (support vector machine), k-NN, lojistik regresyon ve lorenz eğrisi ve kümeleme yöntemleri olmaktadır. Bu ders için öğrenciler yüksek hacimli veri kullanarak bir uygulama projesi de hazırlayacaklardır.

 

İVA 512 İktisadi ve Finansal Zaman Serileri Analizi ( 3 0 3 )

Bu derste temel zaman serisi modellerinin kurgulanması, tahmini ve öngörüleri uygulamalı olarak öğretilmektedir. Derste işlenecek konular fark denklemleri, autoregregressive, (AR), moving average, (MA), autoregregressive moving average, (ARMA), thresold autoregressive, (TAR), modellerinin tahminleri ve öngörüleri, birim kök ve sınamaları, zaman serilerinde durağanlık, (stationarity), ve durağansızlık, (nonstationarity) analizleri, eşbütünleşim, (Cointegration), ve hata düzeltme, (Error Correction), ARDL modelleri, oynaklık modelleri (ARCH, GARCH, IGARCH, ARCH-M, EGARCH, TGARCH) modellerinin tahminleri ve öngörüleridir.

 

İVA 513 Finansal Yönetim (3 0 3)

Finans sektörü veri analitiğini en yoğun olarak kullanan sektörlerden biridir. Bu nedenle bu dersin amacı öğrencilere temel finansal kavramları ve uygulamalarını öğretmektir. Finansal yönetim dersinin içeriği finansın işlevleri ve rolleri, finansal amaç, iç piyasalar ve uluslararası finans piyasaları, yönetimsel finansmanın temel araç ve kavramları, finansal analiz, planlama ve kontrol, menkul kıymetler, işletme sermayesi, sermaye bütçelemesi ve sermaye maliyeti, kısa orta ve uzun vadeli finansman kaynakları ve maliyeti, borç yönetimi, kâr payı politikaları, varlık değerleme konularını kapsamaktadır.

 

İVA 514 Proje Yönetimi ( 3 0 3 )

Bu derste proje yönetim süreci ve yöntemleri tanıtılmaktadır. Ders proje ömür devri, proje seçimi, proje organizasyonu, proje zaman planlaması, proje maliyeti ve maliyet / zaman analizleri, kaynak tahsisi, proje kontrolü, proje denetimi ve projenin sonlandırılması konularını kapsamaktadır.

 

İVA 515 Büyük Veri Teknolojileri ve Uygulamaları (3 0 3)

Büyük veri terimi yapısal olmayan büyük ölçekteki veriler için kullanılır ve bu tarz veriler üzerinde klasik veriler üzerinde geliştirilen işlemler yetersiz kalmaktadır. Bu ders büyük veri ve onun üzerinde gerçekleştirilen araştırma yöntemleri ve uygulamaları hakkında bilgi verecektir. Bu dersin amacı öğrencilere büyük veri analizinin nasıl yapıldığını göstermek ve bu işlemi gerçek dünya problemleri üzerinde göstermektir. Bu ders öğrencilerin büyük veri teknikleri ve uygulamalarını, endüstriyel uygulamalara odaklanarak öğrenmelerini hedeflemektedir. Büyük verinin içeriğinin, özetlenmesinin, normal veriden farklarının ve bu büyük veriler üzerinde hesaplama uygulamalarının bu ders kapsamında öğretilmesi hedeflenmektedir. Bu dersin sonucunda öğrenciler gerçek dünyada kullanılan büyük veri platformlarını ve araçlarını, bu platform ve araçların özelliklerini, yeteneklerini ve halihazırda var olan açık problemleri göreceklerdir. Ayrıca öğrenciler büyük veri koleksiyonlarını, bütünleştirme ve ortamlarda bu verileri saklama konularını, dizinleme, ileri seviye sorgu yöntemleri, MapReduce algoritmalarının temelleri gibi konuları öğreneceklerdir.

 

İVA 516 Karar Analizi (3 0 3)

Bu ders kapsamında karar verme ortamı, belirsizlik altında karar verme, karar verme problemlerinin yapılandırılması, karar ağaçları, duyarlılık analizleri, bilginin değeri olasılıklı karar modelleri, çok kriterli karar analizi ve yöntemleri incelenecektir.

 

İVA 517 Bilgi Teknolojileri Hizmet Yönetimi(3 0 3)

Bu derste Bilgi Teknolojileri Hizmet Yönetimi (BTHY) konusunda temel bilgileri ve pratik uygulamaları anlatılacak olup öğrencilerin bu ders ile BTHY’nin üretim arttırımı, maliyet düşürümü ve bilgi teknolojileri entegrasyonu konusunda nasıl kullanılacağını öğrenmesi hedeflenmektedir. Bu ders öğrencilerin yönetim mekanizmasının değerini anlamasına yardımcı olacaktır. Bu ders en iyi çözümleri ve pratik kullanımları sunarak, öğrencilere, bilgi teknolojilerinin fonksiyonel ve müşteriler için bir değer olarak nasıl kullanılmasını gerektiğini anlatacaktır. Öğrenciler farklı paydaşların hizmet değer zincirindeki ihtiyaç ve hedeflerini öğrenecekler ve hizmet yönetimi sürecini ve bu sürecin tanımlı müşteriler için tanımlanmasını öğreneceklerdir. Ayrıca, öğrenciler hizmetlerin ve içeriklerin modellenmesi, tasarlanması, uygulanması, yönetilmesi ve bakımı konusunda yetenek kazanacaklardır. Bu dersin sonunda hızlıca değişen teknoloji dünyasında öğrenciler bilgi teknolojilerini taktik ve stratejik ve de operasyonel anlamda nasıl kullanacaklarını öğreneceklerdir.

 

İVA 518 Uygulamalı Mikro Veri Analizi (3 0 3)

Bu derste mikro verilerin, (firma, hane halkı, birey) analizinde kullanılan temel ekonometrik modellerin kurgulanmaları ve tahmin yöntemleri uygulamalı olarak işlenmektedir. Derste işlenecek konular panel veri, logit, probit, multinomial, ordinal ve kısıtlı bağımlı değişken regresyon modellerinin kurgulanması ve tahminleridir.

 

İVA 520 Metin Madenciliği ve Analitik

Metin madenciliği, yapısal olmayan metinlerin daha iyi yönetilmesi için otomatik olarak düzenlenmesi ve anlaşılmasıdır. Bu ders, yapısal olmayan metinlerin üzerinde temel madencilik yöntemlerini kapsar ve metin madenciliği ve analiz uygulamaları hakkında bilgi verir. Madencilik yapılabilmesi için metin üzerinde gerçekleştirilen temel dönüştürme ve metni hazırlama teknikleri bu ders kapsamında açıklanacaktır. Öğrenciler metin üzerinde gerçekleştirilen metin çıkarımı, doğal dil işleme ve metin tahminleme gibi ana basamakları öğreneceklerdir. Bu dersin sonunda öğrenciler bilgi çıkarımı ve metin verisine erişimi konularını öğrenmiş olacaklar ve istatistiksel modelleme için metin işleme tekniklerini de uygulamış olacaklardır. Ayrıca öğrenciler ilgili modelleme tekniklerini uygulayarak metinsel verileri analiz etmeyi ve sonuçları yorumlamayı da öğreneceklerdir. Bu modelleme teknikleri metin tahminlemesi için makine öğrenmesi modellerini ve performanslarının ölçümünü de içermektedir.
 

İVA 522 (Sosyal Medya Analitiği

Sosyal medya analitiği Facebook, Twitter, Instagram ve Linkedin gibi sosyal ağlardan verilerin toplanması ve analiz edilmesi işlemidir. Bu dersin temel amacı öğrencilere insanların bu sosyal medya teknolojilerini nasıl kullandıklarını anlatmak ve bu medyalardan elde edilen bilgilerin monitöre edilmesi ve analiz edilmesini öğretmektir. Gerçek hayat örnekleri ile öğrencilerin, kendi sosyal ağ analizlerini de içerecek bir şekilde, bu sosyal ağ sistemlerinin kullanımını ve bu ağlardaki örüntülerin anlamaları ve tanımlamaları öğrenmeleri amaçlanmaktadır. Öğrenciler ayrıca bu sosyal medya teknolojilerinin toplumu nasıl etkilediğini de görmeleri beklenmektedir. Bu dersin sonunda, öğrenciler sosyal medyanın avantaj ve dezavantajlarını, analiz platformu üzerinde çalışmayı ve sosyal dinleme yöntemi ile araştırma yapmayı öğreneceklerdir. Sonuç olarak, öğrenciler sosyal medya ile ilgili temel bilgi ve yeteneklere sahip olarak yeni problemlere yaklaşım geliştirmeyi öğreneceklerdir.

 

İVA 524 Veri Görselleştirme

Görselleştirme, çok farklı alanlarda veri kullanımdaki artış sebebiyle günden güne önem kazanan bir alandır. Veri görselleştirme teknikleri insanların bu verileri daha iyi algılaması için kullanılmaktadır. Bu dersin amacı da öğrencilere veri görselleştirme konusunu başlıca prensip ve teknikleri ile anlatmak ve bu konunun veri analiz için neden bu kadar önemli olduğunu göstermektir. Öğrenciler, görselleştirmenin değerini anlayarak veri ve bilimsel görselleştirme tekniklerini öğrenecek ve bu tekniklerin birbiri ile olan etkileşimine hâkim olacaklardır. Günümüzdeki veri görselleştirme tekniklerinin ve yaklaşımlarının neler olduğu ve bunların uzantıları öğrencilere anlatılacaktır. Öğrenciler hedef kitle ya da görev için verilerin görselleştirilerek nasıl sunulacağını öğrenecek ve bu amaçla farklı araçları karşılaştırma ve deneme fırsatları olacaktır. Farklı veri görselleştirme teknikleri kullanarak birden fazla görselleştirme versiyonları oluşturmayı ve uygun tasarım prensiplerini uygulamayı öğrenecekler ve sonuç olarak bu görselleştirmeleri analiz ederek yorumlayacaklardır.

 

İVA 526 Makine Öğrenmesi

Makine öğrenmesi istatistik, lineer cebir, optimizasyon ve bilgisayar bilimleri gibi çok farklı disiplindeki teknikleri, insan kullanmadan büyük verilerde hızlı bir şekilde tahminleme ya da karar alma mekanizmaları gerçekleştirmek amacıyla kullanır. Makine öğrenmesi günümüzde iş zekasından güvenliğe, biyomedikalden astrofiziğe kadar çok çeşitli alanlara yayılmış durumdadır. Bu ders öğrencilere çok çeşitli makine öğrenmesi algoritmalarını öğretmeyi hedeflemektedir. Ayrıca öğrencilerin endüstriyel uygulamalar ve araştırmalar için makine öğrenmesi tekniklerini öğrenmesi hedeflenmektedir. Genel makine öğrenmesi teknikleri ve bu tekniklerin performans hesaplamaları anlatılacaktır. Bu dersin sonunda, öğrenciler veriden nasıl öğrenme modelleri oluşturulabilir öğrenmiş ve çok çeşitli öğrenme algoritmalarını incelemiş olacaklardır. Ayrıca bu modellerin performanslarının nasıl ölçüleceğini de öğreneceklerdir. Öğrenciler gerçek dünyadaki problemlere bu algoritmaları uygulayıp modellerini oluşturacak, modellerini iyileştirip bu modellerin başarım oranlarını hesaplayacaklardır.

 

İVA 590 Seminer

Öğrencilerin araştırma ilgisini özendirmek amacıyla iktisat ve işletme için veri analitiği alanlarındaki konuların ve çalışmaların ilgili profesyoneller ve/veya lisansüstü öğrenciler tarafından sunulması ve tartışılmasını kapsamaktadır.

 

İVA 592 Proje

Bu ders tezsiz opsiyonda bulunan öğrenciler için zorunlu olup, iktisat ve işletme için veri analitiği alanlarındaki konularda lisansüstü öğrencilerin danışmanı ile yapacağı projeyi ve sunulmasını kapsar.

 

İVA 599 Tez

Bu ders tezli opsiyonda bulunan öğrenciler için zorunlu olup anabilim dalı başkanı ve öğrencinin akademik danışmanı tarafından onaylanmış bir konuda akademik danışmanınca yönlendirilen bağımsız araştırmaya dayalı çalışmayı kapsamaktadır.

 

RME 500 Araştırma Yöntemleri ve Etik

Bu derste öğrenciler bilimsel araştırma yöntemleri ile ilgili temel kavramlar ile tanıştırılıp, bilimsel araştırma önerisi hazırlama sürecini öğrenerek uygun araştırma yöntem ve teknikleri ile çalışmalarını uygulayıp, istatistiksel veriler ile elde edilen bulgu ve sonuçları, bilimsel yazım kurallarına ve etik kurallara uygun biçimde yazılı bir rapor olarak sunmaları amaçlanır.

 

 

Adı soyadı Görevi Unvan Oda  E-posta Tel
Hayri SEVER Anabilim Dalı Başkanı Prof. Dr.   sever@cankaya.edu.tr  
Nadir ÖCAL   Prof. Dr.   nocal@cankaya.edu.tr  
Mahir NAKİP   Prof. Dr.   mnakip@cankaya.edu.tr  
M. Nihat SOLAKOĞLU   Prof. Dr.   nsolakoglu@cankaya.edu.tr  
Burak GÜNALP   Prof. Dr.   gunalp@cankaya.edu.tr  
Ayşegül TAŞ   Doç. Dr.   aysegul@cankaya.edu.tr  
Ayşegül ÇORAKÇI   Doç. Dr.   aeruygur@cankaya.edu.tr  
Hüseyin TEMUÇİN   Dr. Öğr. Üyesi   htemucin@cankaya.edu.tr  
Aydın KAYA   Dr. Öğr. Üyesi   akaya@cankaya.edu.tr  
Ali Seydi KEÇELİ   Dr. Öğr. Üyesi   aliseydi@cankaya.edu.tr