Bilimsel etik ilkeleri; Üniversiteler, TÜBİTAK ve YÖK vb. kurumların etik kurullarının genel ilkeleri ve işleyiş şekilleri; Ar-Ge projeleri; bilimsel araştırma teknikleri; literatür tarama mantığı ve işlemleri; bilimsel makalelerin incelenmesi ve bilgiye hızlı ulaşma; bilimsel bilginin sunumu ve yayımlanması süreçleri.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451302

Tez danışmanının yönetiminde olan Y. Lisans öğrencilerinin çalışma konularının incelenmesi, bilimsel yayınların takip edilmesi, yeni gelişmelerin değerlendirilmesi ve tezin etik kurallara uygun biçimde yürütülmesi

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451225

Algoritma analizine genel bir bakış, böl ve fethet algoritmaları, grafikler, dinamik programlama, açgözlü algoritmalar, P ve NP, açgözlü algoritmalar; gelişigüzel algoritmalar; P ve NP; NP-zor problemleri için yaklaşık algoritmalar, NP-zor problemlerinin alt kümeleri için polinom algoritmaları, kısmi tekrarlı fonksiyonlar, hesaplamalar ve çözümü olmayan problemler.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451227

Veri madenciliğinin gözden geçirilmesi, veri temizleme, özellik ve alt grupları belirlenmesi, model kurulumu geliştirme ve uygulama, karar ağaçları için alt yapı oluşturma, yapay sinir ağları, kümeleme analizi, birliktelik kuralları, ile birlikte veri madenciliği tekniklerinin bir proje kapsamında uygulanması

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451228

Olasılık tanımlarından başlayarak rastgele değişkenler ve özellikleri işlenecektir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451229

İstatistik Teorisi, gözlemlenen verileri kullanarak bilinmeyen kitle parametreleri hakkında matematiksel tahminler yürütme ve karar verme sürecidir. Ders; veriyi özetleme (yeterlilik), en iyi tahmin modelini kurma ve bilimsel hipotezleri teorik ispatlarla test etme yöntemlerini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451230

Ders; yüksek boyutlu uzaylarda vektör ve matris işlemleri, optimizasyon teorisi (gradyan tabanlı yöntemler), olasılık modelleri ve veri analitiği için gerekli olan istatistiksel öğrenme kuramlarını kapsar. Teorik anlatımlar, Python/R uygulamalarıyla desteklenerek soyut kavramların somut veri problemlerine dönüştürülmesini içerir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451231

Ders; vektör uzaylarının ileri özellikleri, tensör cebiri, seri açılımları, integral dönüşümleri ve çok değişkenli sistemlerin optimizasyonunu kapsar. Soyut matematiksel kanıtlar ile bu kanıtların algoritmik karşılıkları arasındaki ilişki incelenir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451232

Çeşitli alanlarda ortaya çıkan bigdata uygulamalarını inceleyerek, uygulama, geliştirme konularını da kapsayarak yaygın olarak kullanılan büyük veri uygulamalarını test eder. Ayrıca büyük veriyi analiz etmek için veri madenciliği ve makine öğrenme algoritmaları üzerinde durulacak.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451233

Bu ders, yapay zekânın tarihçesi, temel kavramları ve gelişim aşamalarıyla başlar. Devamında akıllı ajanlar ve karar verme süreçleri incelenir. Durum uzayı, problem çözme ve çeşitli arama algoritmaları (BFS, DFS, A*) öğretilir. Mantıksal çıkarım ve bilgi temsili konularıyla yapay zekâ sistemlerinin düşünme mekanizmalarına geçilir. Belirsizlik altında çıkarım yapma, Bayes teoremi ve Naive Bayes sınıflayıcılar ele alınır. Karar ağaçları, takviyeli öğrenme ve Markov karar süreçleri gibi temel makine öğrenmesi yöntemlerine giriş yapılır. Son haftalarda yapay sinir ağlarına ve derin öğrenmeye giriş sağlanır. Ders boyunca her konu, gerçek dünya uygulamaları ve güncel teknolojilerle ilişkilendirilerek verilir. Değerlendirme, ödevler, ara sınav ve final sınavı ile gerçekleştirilir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451234

1. Makine Öğrenimine Giriş 2. Denetimli Öğrenme ve Uygulamaları 3. Denetimsiz Öğrenme ve Uygulamaları 4. Pekiştirmeli Öğrenme ve Uygulamaları

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451235

İstatiksel programlamaya genel bakış, istatiksel programlama dilleri hakkında genel bilgi, istatiksel programlama dilinin kurulumu ve kullanılması istatistiksel programlama dilinin sentaks yapısı, veriye erişim, verinin keşfi ve doğrulanması verinin hazırlanması, verinin analizi, raporlanması ve sonuçların sunulması, İstatiksel programda SQL kullanımı, veri adımı işleme, verileri özetleme, verileri fonksiyonlarla işleme, özel Biçimler Oluşturma, Tabloları Birleştirme, tekrarlayan Kodu İşleme, Yeniden Yapılandırma Tabloları, tek örneklem için t-testi, iki örneklem için t-testi, grafiksel analiz, tek yönlü ANOVA, Pearson korelasyonu, lineer regresyon, iki yönlü ANOVA, çoklu regresyon, anlamlılık düzeyini kullanarak aşamalı seçim, Bilgi kriterleri ve diğer seçim opsiyonları, çıkarım için (Post-Fitting) Model: rezidülerin incelenmesi, etkili gözlemler, doğrusallık, tahmine dayalı model oluşturma ve tahmin için puanlama, Kategorik verileri tanımlama, Ki-Kare testi, lojistik regresyon

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451236

Öğrenciler; regresyon ve sınıflandırma algoritmalarının teorik temellerini kavrayarak, model karmaşıklığı ile tahmin performansı arasındaki varyans-yanlılık (bias-variance) dengesini kurmayı ve gerçek dünya verilerine modern veri bilimi araçlarıyla çözüm üretmeyi öğrenirler

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451237

Ders; temel bileşenler analizi (PCA), kümeleme yöntemleri (K-means, Hierarchical), model tabanlı kümeleme, birliktelik kuralları, ağ modelleri ve modern denetimsiz derin öğrenme tekniklerini kapsar. Özellikle veri görselleştirme ve yüksek boyutluluğun laneti (curse of dimensionality) üzerine odaklanılır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451238

Ders; veri modelleme temelleri, SQL ile ileri düzey sorgulama, VTYS mimarisi (Transaction, Concurrency Control), Veri Ambarı mimarileri (Kimball vs. Inmon), Boyutsal Modelleme, ETL mimarisi, Veri Küpleri (OLAP) ve modern Bulut Veri Ambarı çözümlerini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451239

Ders; ileri topluluk yöntemleri (XGBoost, LightGBM, CatBoost), Derin Öğrenme temelleri ve ileri mimariler, Transfer Öğrenme, Pekiştirmeli Öğrenme, Bayesyen Makine Öğrenmesi, Model Açıklanabilirliği (SHAP, LIME) ve model üretim süreçlerini (Deployment) kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451240

Ders; metin ön işleme (tokenization, stemming, lemmatization), sözcük sayma yöntemleri (TF-IDF), sözcük gömmeleri (Word Embeddings), doküman sınıflandırma, duygu analizi, bilgi çıkarımı ve büyük dil modellerine (LLM) giriş konularını kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451241

Ders; Attention ve Transformer varyasyonları, Vision Transformers (ViT), Grafik Sinir Ağları (GNN), Öz-denetimli Öğrenme (Contrastive Learning), Üretken Modeller (GAN, Diffusion, VAE), Sinirsel Radyans Alanları (NeRF) ve Büyük Dil Modellerinin (LLM) ince ayar (Fine-tuning) süreçlerini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451242

Web mimarisi, bilgi geri getirme (Information Retrieval) temelleri, web tarayıcıların anatomisi, link analizi algoritmaları, web içeriği madenciliği, web kullanım madenciliği, tıklama akışı (Clickstream) analizi ve sosyal web madenciliğini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451243

Path Analizi; Gözlenen Değişkenlerle Yapısal Eşitlik Modelleri; Ölçme Modelleri; Doğrulayıcı Faktör Analizi; Latent Değişkenli Yapısal Eşitlik Modelleri

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451244

Dersin içerinde bulut programlama kapsamındaki yeni programlama paradigmaları, sanallaştırma ortamları, büyük bilimsel veri analizi gibi konular işlenecektir. Bunun yanı sıra bulut bilişim alanında çok sayıda araştırma makalesinin öğrenilmesi, sunulması, tartışılması sağlanacaktır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451245

Veri Görselleştirme Kavramları, Haritalama, Zaman Serileri, Bağlantılar ve İlişkiler, Dağılım grafiği, Ağlar ve Çizgeler, Verinin Ayrıştırılması, sosyal ağlar, Pajek ve Ucinet

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451246

Türev temelli optimizasyon, tek-durumlu ve populasyon yöntemleri, zeki optimizasyon yöntemlerinin karşılaştırılması, optimzasyonda aşılması gereken zorluklar, çok-hedefli optimizasyon, karınca kolonisi optimizasyonu, dağıllım tahmini algoritmaları.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451247

1. Veritabanı sistem bileşenlerini yapısal analiz yöntemleriyle değerlendirebilme 2. Geleneksel ve çağdaş veritabanı algoritmalarını uygulayıp mukayese edebilme 3. Paralel işleme ortamlarına yönelik veritabanı bileşenleri tasarlayıp iyileştirebilme 4. Çeşitli mimarilerde sistem performansı ve ölçeklenebilirlik analizi yapabilme 5. Edinilen kuram ve yöntemleri gerçek hayat veri yönetimi problemlerine uygulayabilme

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451248

İleri çok değişkenli istatistik yöntemlerin klasik yöntemlere göre avantaj veya eksikliklerinin tartışılması, Güvenirlilik teorisi, Çok değişkenli parametrik olmayan modeller, Semi-parametrik diskriminant analizi, -Q teknik ve iki modlu değişkenlerde faktör analizi, Tekrarlı ölçme analizi (MANOVA,HLM) gibi ileri çok değişkenli yöntemler.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451249

Ders; En Küçük Kareler (EKK) yönteminin matris formunda incelenmesiyle başlar. Ardından tanısal testler, çoklu bağlantı (multicollinearity) sorunu, ağırlıklı regresyon, genelleştirilmiş doğrusal modeller (GLM), düzenlileştirme yöntemleri ve modern regresyon ağaçlarına giriş konularını kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451250

Ders; biyoistatistikte temel kavramlar ve örnekleme yöntemleriyle başlar. Tanı testlerinin performansı (duyarlılık, özgüllük, ROC analizi), sağkalım analizleri (Kaplan-Meier, Cox Regresyon), klinik deneylerde güç (power) analizi ve etik yaklaşımlar konularını uygulamalı olarak kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451251

Belirli bir konu hakkında araştırma yapabilmek için gereken literatür bulma, veri toplama ve rapor yazma teknikleri, bilimsel araştırma yöntemleri ve çeşitlerini, kaynak tarama, analiz yöntemine karar verme, bilimsel araştırmaların sonuçlarını değerlendirme; sonuçları rapora dönüştürme, akademik yazım kuraları, bilimsel çalışmayı sunma.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451252

Paket program menüleri, Paket programlarda veri girişi ve türetimi, Tabloların oluşturulması ve grafik çizimi,, parametrik ve parametrik olmayan yöntemler

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451253

Giriş, Sosyal Ağların Tanımı, Sosyal Ağların İş Yapış Biçimine Etkileri, Karmaşık Ağların Görselleştirilmesi, Sosyal Ağların Tarihçesi, Ağlara İlişkin Ölçüler, Ağ Türleri, Sosyal Ağlar, Sosyal Ağlar için Veri Toplama, Pajek ile Sosyal Ağ Analizi Uygulamaları

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451254

1- Derse hazırlık açısından temel lineer programlama ve Hedef programlama konularının özeti 2- Veri zarflama analizinin temel kavramları 3- Veri zarflama analizinde kullanılan Paket programlar 4- Veri Zarflama Yöntemleri • Girdiye yöneli modeller • Çıktıya yönelik modeller 5- Toplamsal ve Çarpımsal yöntemler 6- İleri Veri zarflama yöntemleri • Karma modeller • Süper etkinlik modeli • Güven bölgesi modeli yaklaşımı • İsteğe bağlı olmayan değişkenler modeli • Katogorik değişken modeli • İstenmeyen değişken modeli • Malmquist indeksi

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451255

Konveks Kümeler, Konveks Fonksiyonlar, Konveks Kümelerin Ayrılması, Subgradient, Eşitsizlik ve Eşitlik Kısıtlamaları Olan Problemler: Optimallik Koşulları, Dual Problemler ve Dualite Teoremleri, Dual Problemin Çözülmesi

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451256

Karar ve Oyun Teorisine Giriş, Optimizasyon Teorisinden Gerekli Bilgiler, Belirsizlik Durumunda Karar Verme, Optimal Portföy Seçimi, Oyun Teorisi: 2 oyunculu matris oyunları, Strateji Oyunlar, Nash Denge Çözümü, Ekonomi ve Finans Uygulamaları

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451257

Zaman serisi bileşenleri, durağanlık ve birim kök testleri, Box-Jenkins metodolojisi (ARIMA), mevsimsel modeller, varyans modellemesi (ARCH/GARCH), çok değişkenli zaman serisi modelleri (VAR), eşbütünleşme analizi ve modern makine öğrenmesi yaklaşımları.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451258

Temel kavramlar; Uyum İyiliği Testleri; Tek Örneklem İçin Testler; Bağımlı/Bağımsız İki Örneklem İçin Testler; Bağımlı/Bağımsız Çok Örneklem Testleri; Uyum İyiliği Testleri.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451259

Ölçüm Uzayları, Lebesque integralleri, Yakınsaklık Teoremi, Metrik Uzaylar, Normlu uzaylar, Hilbert uzaylar ve özellikleri, Banach uzaylar ve özellikleri, Lineer sürekli operatörler, Kompakt operatörler, Dual Uzaylar

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451260

Ders kapsamında; klasik doğrusal modelin matris formu, içsellik sorunu ve araç değişkenler (IV), Genelleştirilmiş Momentler Yöntemi (GMM) gibi ileri tahmin teknikleri ele alınır. Zaman serilerinde durağanlık, eşbütünleşme ve VAR modelleri; panel veri analizinde sabit/rastgele etkiler ve dinamik panel yöntemleri; mikroekonometrik modellerde ise nitel ve sınırlı bağımlı değişkenli (Logit/Probit/Tobit) yapılar işlenir. Dersin odağını, bu teorik başlıkların gerçek veri setleri ve paket programlar eşliğinde uygulamalı olarak simüle edilmesi oluşturur.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451261

Doğrusal Panel veri modelleri, Dengesiz paneller, Heterojen Paneller, Dinamik panel veri modelleri, Eşanlı Panel veri modelleri, Mekansal Panel veri modelleri, Panel Nitel tercih modelleri, Panel birim kök testleri, Panel Eşbütünleme analizi, Paket Programlar ile uygulama

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451262

Yatay kesit boyutun mahalleler, ilçeler, ülkeler, şehirler gibi mekanlar olduğu durumda bu coğrafi birimler arasındaki komşuluk ilişkilerini ve birlikte hareketlerini içeren mekansal ekonometrik modeller, bu modellerin tahmin yöntemleri, varsayımları ders içeriğini oluşturmaktadır. Ayrıca dersin önemli bir kısmı Türkiye ve Dünya haritalarına ayrılacak, çeşitli verilerin haritaları çizilip mekansal kümelenmeler ve ayrışmalar açısından tartışılacaktır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451263

Lineer Programlama Hakkında Kısa Hatırlatmalar; Karmarkar Algoritması; Duyarlık Analizi; Fuzzy Lineer Programlama; Çok Amaçlı Lineer Programlama; Üyelik Fonksiyonları Vasıtasıyla Çok Amaçlı Lineer Programlamaya Çözüm Önerileri; Çok Amaçlı Hiperbolik Programlama; Üyelik Fonksiyonları Vasıtasıyla Çok Amaçlı Hiperbolik Programlamaya Çözüm Önerileri; Transport Problemi; Aktarmalı Transport Problemi; Transport Probleminde Duyarlık Analizi; Çok Amaçlı Transport Problemine Çözüm Önerileri; Hedef Programlama; Hedef Programlamanın Uygulamaları; Stokastik Programlamaya Giriş; Stokastik Programlamanın Uygulamaları

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451264

Doğal hesaplamaya giriş, Olasılık kavramları ve işaretin karakteristiği, Bilişim kuramı, Öğrenme kuramı , verinin matematiksel yöntemlerle işlenmesi, Dinamik sistemlerin matematiksel modellenmesi/ Öğrenme teknikleri: Eğiticili ve eğiticisiz öğrenme, Hidden Markov Modelleri,Takviyeli öğrenme, Genetik programlama, Oyunlar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451265

Ders kapsamında; belirsizlik altındaki verilerin olasılık dağılımları ve istatistiksel yöntemlerle modellenmesi, Monte Carlo simülasyonu gibi nicel analiz teknikleri ve karar ağaçları aracılığıyla stratejik tahminleme yöntemleri işlenmektedir. Ayrıca, makine öğrenmesi algoritmaları kullanılarak anomali tespiti, finansal ve operasyonel risklerin skorlanması ile senaryo bazlı stres testlerinin veri analitiği araçlarıyla (Python/R) uygulanmasına odaklanılmaktadır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451266

Görüntü analizi konusunda genel kavramlar ve algoritmalar. Görüntü algılama ve görüntü elde etme, görüntü iyileştirme, gürültü azaltma, görüntü bulanıklaştırma-keskinleştirme, görüntü bölütleme, görüntü sınırları çıkartma, görüntü sıkıştırma.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451267

Noktanın gösterilimi, Noktaların dönüşümü, Doğruların dönüşümü, 2B dönüşümler, Döndürme, Aynalama, Ölçekleme, Birleşik dönüşümler, Öteleme ve homojen koordinatlar, Doğru çizim algoritmaları, Çokgen doldurma, 3B dönüşümler, 3B ölçekleme, bozulma, döndürme, aynalama, öteleme , Çoklu dönüşümler, Uzayda herhangi eksen etrafında döndürmeler, Herhangi bir düzleme göre aynalama, Perspektif geometri, Projeksiyonlar, OpenGL.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451268

Ders; tek ve çok faktörlü deneylerin sistematik tasarımı, bloklama ve varyans analizi (ANOVA) tekniklerini derinlemesine ele alarak başlar. İleri aşamalarda, optimizasyon için kullanılan Yanıt Yüzey Yöntemleri (RSM), karmaşık sistemler için Karışım Tasarımları ve Taguchi yöntemleri ile veri bilimi modellerinin (hiper-parametre optimizasyonu gibi) deneysel tasarımı ve analizi konularına odaklanılır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451275

Ders; toplam kalite yönetimi ve istatistiksel süreç kontrolünün (SPC) temel felsefesiyle başlar. Değişken ve nitel veriler için kontrol diyagramları, süreç yeterlilik analizleri ve kabul örneklemesi teknikleri derinlemesine incelenir. İleri aşamalarda ise çok değişkenli (multivariate) kalite kontrolü, zaman serisi bazlı izleme yöntemleri ve Endüstri 4.0 kapsamında gerçek zamanlı kalite analitiği konularına odaklanılır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451277

Ders; nöron modelleri, aktivasyon fonksiyonlarının türevlenebilirliği, ağırlık vektörü uzayı ve hata yüzeyi analizi konularını kapsar. Klasik ileri beslemeli ağların yanı sıra, geri beslemeli (recurrent) ağların temel mantığı, rekabetçi öğrenme (Self-Organizing Maps) ve enerji tabanlı modeller (Hopfield) gibi klasik yapay sinir ağı yaklaşımları teknik detaylarıyla incelenir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451278

Ders; Python'da veri yapıları ve betimsel istatistik uygulamalarıyla başlar. Olasılık dağılımlarının simülasyonu, hipotez testlerinin otomatize edilmesi, varyans analizi (ANOVA) modelleri, korelasyon ve regresyonun Python üzerinden yürütülmesi konularını kapsar. Ayrıca modern istatistiksel yaklaşımlar olan resampling teknikleri ve çok değişkenli analizlerin kodlanmasına odaklanılır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451280

Bu derste algoritmalarda temel kavramlar, algoritma analizi, özyineleme mantığı, listeler, kuyruk, yığın, ağaç veri yapıları, arama ve sıralama algoritmaları ile temel dizin ve çizge algoritmaları anlatılmaktadır. Öğrenciye, bilgi sistem projeleri hayata geçirilirken verilerin organizasyonunda, erişiminde, düzenlenmesinde kullanılan yöntemler ve birbirlerine göre olan avantajları/dezavantajları öğretilecektir. Derste işlenen veri yapıları ve algoritmaların uygulamaları üzerine yapılacak programlama projeleri ile bu bilgilerin pekişmesi sağlanacaktır

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451282

Tıbbi veri formatları (DICOM, HL7), biyomedikal veri tabanı tasarımı, veri ontolojileri, veri temizleme süreçleri ve etik çerçevede veri yönetimi konularını kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451283

Kullanıcı merkezli tasarım, etkileşim modelleri, kullanılabilirlik analitiği, göz izleme (eye-tracking), doğal dil işleme tabanlı etkileşim ve giyilebilir teknolojilerdeki veri akışlarını kapsamaktadır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451286

MATLAB programlama temelleri, veri manipülasyonu, olasılık dağılımları, hipotez testleri, regresyon analizi, varyans analizi (ANOVA) ve çok değişkenli istatistiksel teknikleri kapsamaktadır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451287

Temel güvenilirlik kavramları, sansürlü veri türleri, yaşam dağılımları, parametrik ve parametrik olmayan modeller (Kaplan-Meier, Cox Regresyon) ve hızlandırılmış yaşam testlerini içermektedir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451288

Olasılık Uzayları ve Olasılığın Temel Kavramları; Stokastik Süreçler; Stokastik Süreçlerin Sınıflandırılması; Gauss, Poisson ve Wiener Süreçleri; Stokastik Süreçlerin Karakteristikleri: Ortalama Değer; Varyans; Kovaryans; Korelasyon Fonksiyonları; Markov Zinciri; Markov Özelliği; Bir Sürecin Markov Zinciri ile İfade Edilmesi; Geçiş Olasılıkları; Kolmogorov-Chapman Denklemleri; Markov Zincirinin Durumlarının Sınıflandırılması; Ergodik Markov Zincirleri; Denge Durum Koşulları; Durum Değişimi İçin Gerekli Adım Sayısı.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451289

Olasılık dağılımlarından örneklem üretme yöntemleri, Monte Carlo simülasyonu, Markov Zinciri Monte Carlo (MCMC) algoritmaları, varyans azaltma teknikleri ve bootstrap gibi yeniden örnekleme metotlarının veri analitiği uygulamalarını kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451294

Sigma cebirleri, ölçülebilir fonksiyonlar, Lebesgue ölçüsü ve integrali, yakınsama teoremleri, Lp uzayları ve Radon-Nikodym teoremi gibi konuların olasılık teorisi ve istatistiksel öğrenme ile olan ilişkisini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451296

Optimizasyona Giriş, Meta-Sezgisel Arama, Yerel Arama ve Çeşitlilik, Meta-Sezgisel Algoritmalar

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451298

Sıra istatistiklerinin dağılım teorisi, örneklem momentleri, asimptotik özellikler, uç değerler teorisi ve veriye dayalı parametrik olmayan çıkarım yöntemlerini kapsar.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451299

Bilimsel araştırma yöntemlerine yön veren temel kavramlar ekseninde bilimsel araştırma, yöntem ve diğer kavramlar uygulamalı olarak ele alınacaktır.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451301

Dersin içeriği öğrencinin doktora veya yüksek lisans programını tamamlama safhasında bir rapor halinde hazırlayıp sunduğu teze ilişkin bir hazırlık aşaması niteliğindedir. Tez danışmanının sorumluluğu ve gözetiminde öğrenci çalışmayı düşündüğü konu/problem alanı ile ilgili literatürü tarama, okuma, yorumlama ve değerlendirme ile ilgili entelektüel bilgi birikimini bu ders içeriği sayesinde kazanabilmektedir. Dersin içeriği tez konusu ve ilgili alan dahilinde belirlenmektedir.

http://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451226