PDF hazırlanıyor, lütfen bekleyin...
PDF
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