VBL5030 - Doğrusal Olmayan Programlama

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Doğrusal Olmayan Programlama	VBL5030	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz Yüze)
Amaç	Gerçek hayat problemlerinin pek çoğu lineer olmayan amaç fonksiyonu ve/veya kısıtlamaları doğası yüzünden lineer programlama ile yeterince temsil veya tahmin edilemez. Bu dersin amacı lineer olmayan programlama için optimizasyon teorisinin matematiksel özelliklerini kavramaya yardımcı olmaktır.
Ders İçeriği	Konveks Kümeler, Konveks Fonksiyonlar, Konveks Kümelerin Ayrılması, Subgradient, Eşitsizlik ve Eşitlik Kısıtlamaları Olan Problemler: Optimallik Koşulları, Dual Problemler ve Dualite Teoremleri, Dual Problemin Çözülmesi
EBS Koordinatörü	Kadriye Nurdanay ÖZTÜRK

Hafta	Konu
1	Konveks kümeler
2	Weierstrass Teoremi, Konveks kümelerin ayrılması ve desteklenmesi
3	Konveks fonksiyonlar, Subgradient
4	Optimallik koşulları ve Dualite
5	Kısıtlamasız problemler
6	Eşitsizlik kısıtlamalı problemler; Eşitsizlik ve eşitlik kısıtlamalı problemler
7	Eşitsizlik kısıtlamalı problemler; Eşitsizlik ve eşitlik kısıtlamalı problemler
8	Kısıtlamalı problemler için ikinci mertebe gerek ve yeter optimallik koşulları
9	Lagrangian Dualitesi
10	Dualite Teoremleri ve Eyer noktası optimallik koşulları
11	Dual fonksiyonun özellikleri
12	Dual problemin oluşturulması ve çözümü
13	Dual problemin oluşturulması ve çözümü
14	Lineer ve karesel programlama

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
Gerçek yaşam problemlerini doğrusal ve doğrusal olmayan programlama ile modelleyebilir.	-	-	-	-	-	-	-	-	-	-	-
Kısıtlamasız tek/çok değişkenli optimizasyon modelleri kurabilir ve çözebilir.	-	-	-	-	-	-	-	-	-	-	-
Kısıtlamalı tek/çok değişkenli optimizasyon modelleri kurabilir ve çözebilir.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

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