VBL5072 - Optimizasyonda Metasezgisel Yöntemler

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
Optimizasyonda Metasezgisel Yöntemler	VBL5072	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz Yüze)
Amaç	Optimizasyonun temel öğelerinin ve kavramlarının öğretilmesi, meta-sezgisel arama algoritmalarının doğayla uyumlu bir şekilde tasarımı, geliştirilmesi ve çalışması hakkında farkındalık yaratılması, Bir mühendislik optimizasyon probleminin meta-sezgisel arama algoritmaları ile modellenebilmesi
Ders İçeriği	Optimizasyona Giriş, Meta-Sezgisel Arama, Yerel Arama ve Çeşitlilik, Meta-Sezgisel Algoritmalar
EBS Koordinatörü	Kadriye Nurdanay ÖZTÜRK

Hafta	Konu
1	Optimizasyona Giriş, Optimizasyon Terminolojisi ve Tanımlar
2	Mühendislik Optimizasyonu, Optimizasyon Tipi, Optimizasyon Algoritmaları
3	Maliyet Fonksiyonunun Oluşturulması (Yapay Sinir Ağı Örneği)
4	Meta-Sezgisel Algoritma Test Problemleri, Meta-sezgisel algoritmaların arama performanslarının ölçülmesi ve karşılaştırılması, Yerel arama ve çeşitlilik
5	Meta Sezgisel Algoritmalar: Genetik Algoritma ve Uygulaması Karınca Algoritması
6	Meta Sezgisel Algoritmalar: Parçacık Sürü Optimizasyonu
7	Meta Sezgisel Algoritmalar: Yapay Arı Kolonisi Algoritması ve Uygulaması
8	Meta Sezgisel Algoritmalar: Yer çekimsel Arama Algoritması
9	Meta Sezgisel Algoritmalar: Karga Arama Algoritması
10	Meta Sezgisel Algoritmalar: Ortak Yaşam Arama Algoritması ve Uygulaması
11	Meta Sezgisel Algoritmalar: Ortak Yaşam Arama Algoritması ve Uygulaması
12	Meta Sezgisel Algoritmalar: Çakal Optimizasyon Algoritması ve Uygulaması
13	Araştırma ve Uygulama Projesi Sunumu
14	Araştırma ve Uygulama Projesi Sunumu

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
Meta-sezgisel arama algoritmaları ve meta-sezgisel optimizasyon konularında terminolojiye hakimdirler.	-	-	-	-	-	-	-	-	-	-	-
Meta-sezgisel arama algoritmalarının karşılamaları gereken temel gereksinimleri açıklayabilirler.	-	-	-	-	-	-	-	-	-	-	-
Meta-sezgisel arama algoritmalarının yaşam döngüsünü açıklayabilirler.	-	-	-	-	-	-	-	-	-	-	-
Meta-sezgisel optimizasyonun öğelerine hakimdirler.	-	-	-	-	-	-	-	-	-	-	-
Meta-sezgisel optimizasyon çalışmalarının deneysel olarak test edilmesi ve doğrulanması süreçlerine hakimdirler.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

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