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
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