VBL5040 - Risk Analizi

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
Risk Analizi	VBL5040	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz yüze)
Amaç	Bu dersin temel amacı, öğrencilere belirsizlik içeren karmaşık sistemlerdeki riskleri veriye dayalı yöntemlerle tanımlama, ölçme ve yönetme yetkinliği kazandırmaktır. Veri bilimi tekniklerini kullanarak potansiyel tehditleri modellemek, simülasyonlar aracılığıyla gelecek senaryolarını test etmek ve stratejik karar verme süreçlerinde nicel destek sağlamak hedeflenmektedir.
Ders İçeriği	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.
EBS Koordinatörü	Serpil TÜRKYILMAZ

Hafta	Konu
1	Risk Kavramı ve Temel Terminoloji (Belirsizlik vs. Risk).
2	Olasılık Teorisi ve İstatistiksel Dağılımların Risk Modellemede Kullanımı.
3	Risk Belirleme Yöntemleri ve Veri Kaynaklarının Analizi.
4	Nicel Risk Analizi: Riske Maruz Değer (VaR) ve Beklenen Kayıp Modelleri.
5	Karar Analitiği: Karar Ağaçları ve Bayesyen Yaklaşımlar.
6	Simülasyon Teknikleri: Monte Carlo Simülasyonu ve Python/R Uygulamaları.
7	Senaryo Analizi ve Stres Testleri (Stress Testing).
8	Ara Sınav / Proje Önerisi Sunumu
9	Finansal Risk Analitiği: Kredi Skorlama ve Dolandırıcılık (Fraud) Tespiti
10	Operasyonel ve Siber Risk Modelleme.
11	Makine Öğrenmesi ile Anomali Tespiti ve Erken Uyarı Sistemleri
12	Tedarik Zinciri ve Lojistik Süreçlerinde Risk Yönetimi.
13	Veriye Dayalı Karar Vermede Etik ve Model Riski
14	Dönem Sonu Proje Sunumları.

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
Risk yönetimi çerçevelerini (ISO 31000, COSO vb.) veri bilimi perspektifiyle yorumlar.	-	-	-	-	-	-	-	-	-	-	-
Olasılık dağılımlarını kullanarak belirsizliği matematiksel olarak modeller.	-	-	-	-	-	-	-	-	-	-	-
Monte Carlo ve Sinyal Analizi gibi tekniklerle ileri düzey simülasyonlar yürütür.	-	-	-	-	-	-	-	-	-	-	-
Makine öğrenmesi algoritmalarını (Sınıflandırma, Anomali Tespiti) risk tahmini için uygular.	-	-	-	-	-	-	-	-	-	-	-
Elde edilen bulguları karar vericilere yönelik olarak görselleştirir ve raporlar.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

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