Dersler

 Öğretim Programı: 

BİRİNCİ YIL

1. DÖNEM

2. DÖNEM

Kod

Ders Adı

  T

 P

 L

K

AKTS

Kod

Ders Adı

T

P

L

K

AKTS

ADS 501

Olasılık Teorisi

  3

 0

 0

3

7.5

ADS 521

Sayısal Yöntemler

3

0

0

3

7.5

ADS 511

İstatistiksel Çıkarım Metotları I

  3

 0

 0

3

7.5

ADS 531

Bilgi Erişimi

3

0

0

3

7.5

EE 531

Makine Öğrenmesi

  3

 0

 0

3

7.5

 

Seçmeli

3

0

0

3

7.5

 

Seçmeli

  3

 0

 0

3

7.5

ADS 591

Seminer

1

4

0

0

7.5

 

Toplam:

 12

0

 0

12

30

 

Toplam:

10

4

0

9

30

İKİNCİ YIL

1. DÖNEM

2. DÖNEM

Kod

Ders Adı

T

P

L

K

AKTS

Kod

Ders Adı

T

P

L

K

AKTS

ADS 592

Yüksek Lisans Tezi  I

1

4

0

0

30

ADS 593

Yüksek Lisans Tezi II

1

4

0

0

30

 

Toplam:

1

4

0

0

30

 

Toplam:

1

4

0

0

30

T: Teori, P: Pratik, L: Laboratuar, K: Kredi, AKTS: Avrupa Kredi Transfer Sistemi Kredisi

 

Seçmeli Dersler:

IE 549 Risk Yönetimi 

IE 547 Belirsizlik Modelleme ve Analizi

CPME 521 Veri Yapıları ve Algoritmalar I

CPME 522 Veri Yapıları ve Algoritmalar II

IE 538 Kesikli Optimizasyon

CPME 232, ADS 532 İlişkisel Veri Tabanları

ADS 522 İleri İstatistiksel Metotlar

ADS 523 Zaman Serileri

ADS 540 Çok Değişkenli Analiz ve Sosyal bilimler Uygulamaları

ADS 545 Sıradan ve Genelleştirilmiş Doğrusal Regresyon

ADS 550 Stokastik Analiz

ADS 555 Çoklu Seviyeli ve Panel Veri Analizi

ADS 600 Büyük Veri Analitiği

ADS 610 Veri Madenciliği

PSY 501 İleri Düzeyde Araştırma Metotları ve İstatistik

Ders İçerikleri

Zorunlu Dersler

Dersin Kodu

ADS 501

Dersin Kredisi

(3+0+0) 3 Kredi     7.5  AKTS

Dersin Adı

Olasılık Teorisi (Probability theory)

Dersin İçeriği

Olasılığın temel kavramları, dağılımlar koşullu olasılık, ağ yapıları ve olasılık, Markov süreçleri,  olasılığın uygulamaları

Course Description

Fundamentals of probability theory, distributions, conditional probability, Markov processes, networks and probability, applications

Kaynaklar

A.W. Drake, “Fundamentals of Applied Probability Theory”, McGraw-Hill , 1988

 

Dersin Kodu

ADS 511/512

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

İstatistiksel Çıkarım Metotları I–II (Statistical Inference Methods with applications in R)

Dersin İçeriği

İstatistiğin temel kavramları, dağılımlar, hipotez testleri, örneklemden yola çıkarak tüme dair hesaplar

Course Description

Probability, Random Variables, Distributions, Likelihood estimation, Hypotheses testing, Estimators, Regression

Kaynaklar

C.R. Rao, “Linear Statistical Inference and its Applications”, John Wiley & Sons, Second Edition, 2009

 

Dersin Kodu

EE 531

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Makine Öğrenmesi (Machine Learning)

Dersin İçeriği

Makine öğrenmesine giriş, sınıflandırıcılar, sinirsel ağlar

Course Description

Statistical introduction to machine learning. Classifiers. Supervised learning. Unsupervised learning. Reinforcement learning. Performance evaluation, comparison and hybrid use of learning algorithms. Regression. Artificial neural networks.

Kaynaklar

Hastie et al, “The Elements of Statistical Learning”

 

Dersin Kodu

ADS 521

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Sayısal Yöntemler (Numerical Methods)

Dersin İçeriği

Modelleme ve regresyon analizinde deterministik ve deterministik olmayan çözüm kümeleri, optimizasyon teknikleri

Course Description

Mathematics of Model fitting, optimisation techniques, regression analysis, Statistical Learning

Kaynaklar

K. Madsen and B.  Nielsen, “Optimisation and Data Fitting”, DTU Informatics, 2010, Hastie et al, “The Elements of Statistical Learning”

 

Dersin Kodu

ADS 531

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Information Retrieval (Bilgi Erişimi)

Dersin İçeriği

Temel bilgi erişim modelleri, sözlük, liste post etme, vektör uzay modeli, olasılıksal bilgi erişimi, metin (text) ve vektör uzay sınıflandırması, destek vektör makinesi ve makine öğrenmesi

Course Description

Basic information retrieval models; vocabulary, posting lists, inverted indexes; scoring; vector space model; probabilistic information retrieval; text and vector space classification; support vector machines (SVM) and machine learning; clustering; Web search.

Kaynaklar

C.D. Manning, P. Raghavan, and H. Shütze, “Introduction to Information Retrieval”, Cambridge University Press, 2008

 

Seçmeli Dersler

Dersin Kodu

ADS 522

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

İleri Istatistiksel Metodlar (Advanced Statistical Methods)

Dersin İçeriği

İstatistik alanında kısmen yeni gelişmeleri matematiksel bir bakis açısıyla işler. Bayes Metodlari, Monte Carlo Metodlari, Monte Carlo-Markov Chain Modeller, Kirik egri yontemi, Kernel Metodu

Course Description

Bayesian estimation methods, Monte Carlo Methods,Monte Carlo Markov Chain Models, Empiricial Likelihood, Splines,Regression and Overfitting,Smoothing

Kaynaklar

P. Westfall, K. Henning, “Advanced Statistical Methods”, Chapman&Hall CRC 2013; Pawitan, Yudi, (2013) “Chapter 13, Robustness of Likelihood Specification" from Pawitan, Yudi., In all likelihood: statistical modelling and inference using Likelihood pp.365–383, Oxford: Oxford University Press

 

Dersin Kodu

ADS 523

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Zaman Serileri (Time Series)

Dersin İçeriği

Zaman indeksli verinin analizi

Course Description

A variety of statistical models for time series. Main methods for analysing these models. Correlogram and a sample spectrum. Moving average (MA), Autoregressive (AR), ARMA and ARIMA models. Forecasts for a variety of linear methods and models.

Kaynaklar

1. Enders. W., “Applied Econometric Time Series”. 3rd Edition, John Wiley & Sons, New Jersey, 2010,

2. Tsay. R. S., “Analysis of Financial Time Series”. 3rd Edition, John Wiley & Sons, New Jersey, 2010.

 

Dersin Kodu

ADS 600

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Big Data Analytics

Dersin İçeriği

Tek bir bilgisayarın ya da dosyanın tek başına taşıyamayacağı büyüklükteki veriyi saklama ve işleme yöntemlerini işler

Course Description

Map-Reduce Methods, Parallel Computing

Kaynaklar

T. White, “Hadoop: The definitive Guide”, 3rd Edition;

C. Lam, “Hadoop in Action”

 

Dersin Kodu

ADS 610

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Veri Madenciliği (Data Mining and Data Retrieval)

Dersin İçeriği

Veri tabanında hazır olan ya da ham olan veriye ulaşabilmeyi işler

Course Description

Accessing structured data in a database such as Mysql or raw data in various forms scattered around on the web

Kaynaklar

J. Kazil and K. Jamul, “Data Wrangling with Python”, O’Reilly Media, 2016;

N. Egger, “SAP BW Data Retrieval”, 2006

 

Dersin Kodu

ADS 550

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Stokastik Süreçler (Stochastic Processes)

Dersin İçeriği

Stokastik süreçler (Martingles, Brownian Motion) ve stokastik türev ve integralleri işler

Course Description

Stochastic Analysis and Stochastic Calculus, Ito and Levy Processes, Black-Scholes Model

Kaynaklar

S. Shreve, “Stochastic Calculus and Finance”, Springer, 2004

 

Dersin Kodu

ADS  540

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Çok Değişkenli Analiz (Multivariate Analysis with Applications in Social Sciences)

Dersin İçeriği

Temel Bileşenler Analizi, Faktör Analizi, Yapısal eşitlik modelleri, Kümelenme Analizi

Course Description

Principal Component Analysis, Structural Equation Model, Factor Analysis, Cluster Analysis

Kaynaklar

K. Mardia, J. Kent, and J. Bibby, “Multivariate Analysis”, Academic Press, 1980

 

Dersin Kodu

ADS 555

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Çoklu Seviyeli ve Panel Veri Analizi (Multilevel and Longitudinal Data Analysis)

Dersin İçeriği

Hiyerarşik Veri Analizi, Panel Veri analizi, Sebep-Sonuc iliskilerinin cikarimi, Sapma Analizleri

Course Description

Mutilevel Data Analysis, Longitudinal Data Analysis, Causal Inference, Analysis of Variance

Kaynaklar

A. Gellman and J. Hill, “Data Analysis Using Regression and Multilevel/Hierarchical Models”, Cambridge University Press, 2006

 

Dersin Kodu

ADS 545

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Ordinary and Generalised Linear Regression Models

Dersin İçeriği

Doğrusal ve  Genelleştirilmiş Doğrusal  Regresyon Modelleri

Course Description

Linear and Generalised Linear Regression (Logit, Probit) Models, Binary Data, Survival Analysis

Kaynaklar

P. McCullagh and J. Nelder, “Generalized Linear Models”, Springer,  1989

 

Dersin Kodu

IE 538

Dersin Kredisi

(2+2+0) 3 Kredi     7.5 AKTS

Dersin Adı

Kesikli Optimizasyon (Discrete Optimisation)

Dersin İçeriği

Optimizasyon yöntemleri, sınırlayıcı koşullar altında optimal cözümlerin çeşitli algoritmalar kullanarak tayini, esleme algoritmalari, dinamik programlama

Course Description

Modeling, relaxing and bounding techniques. Fundamental easy-to-solve problems. Matching and assignment problems. Dynamic programming. Complexity theory. Branch-and-bound method. Meta-heuristics such as tabu search, genetic algorithms and variable neighborhood search. Application examples.

Kaynaklar

1. Wolsey, L. (1998), Integer Programming, Wiley & Sons; Nemhauser, G. L., Wolsey, L. A. (1999), “Integer and Combinatorial Optimization”, Wiley-Interscience.

2. Korte, B., Vygen, J. (2012), “Combinatorial Optimization: Theory and Algorithms (Algorithms and Combinatorics)”, Springer.

3. Papadimitriou C. H. and Steiglitz, K. (1998), “Combinatorial Optimization: Algorithms and Complexity”, Dover Publications.

 

Dersin Kodu

CPME 521

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Veri Yapıları ve Algoritmalar I (Data Structures and Algorithms I)

Dersin İçeriği

Gelişmiş veri listeri oluşturmak,  sıralama ve arama algoritmaları

Course Description

Union-Find. Analysis of algorithms. Stacks and queues. Elementary sorts. Mergesort. Quicksort. Priority queues. Elementary symbol tables. Binary search trees. Balanced search trees. Geometric applications of BSTs. Hash tables. Searching applications

Kaynaklar

 

 

Dersin Kodu

CPME 522

Dersin Kredisi

(3+0+0) 3 Kredi     7.5 AKTS

Dersin Adı

Veri Yapıları ve Algoritmalar II  (Data Structures and Algorithms II)

Dersin İçeriği

Yönlü ve yönsüz grafikler, gelişmiş sıralama ve arama algoritmaları, veri indirgeme metodları, dogrusal programlama

Course Description

Undirected graphs. Directed graphs. Minimum spanning trees. Shortest paths. Maximum flow and minimum cut. Radix sorts. Tries. Substring search. Regular expressions. Data compression. Reductions. Intractability. Linear programming

Kaynaklar

 

 

Dersin Kodu

CPME 232 (CMS 532)

Dersin Kredisi

(3+0+0) 3 Kredi  7.5 ECTS Credits

Dersin Adı

İlişkisel Veritabanları (Relational Data Bases)

Dersin İçeriği

Büyük boyutlardaki verinin depolanması ve erişimi, kullanımı, standardlastirilmasi

Course Description

Database system concepts and architecture. Relational data model and SQL. Web database programming using PHP and MYSQL. Database normalization. Indexing.

Kaynaklar

R. Elmasri and S. Navathe (2007). “Fundamentals of database systems”. Boston, Pearson/Addison Wesley

 

Dersin Kodu

IE 549 Risk Management

Dersin Kredisi

(3+0+0) 3 Kredi   7.5 AKTS

Dersin Adı

Risk Yonetimi (Risk Management)

Dersin İçeriği

Risk’in tanımlanması ve belirsizlik çeşitleri, sayısal risk hesaplama yöntemleri, belirsizlik kaynaklari, risk tahmini, Monte-Carlo Simulasyonlari, belirsizlik altinda karar verme

Course Description

Risk definition and analysis. Types of uncertainty. Sources of uncertainty. Risk prediction, assessment and control. Quantitative risk assessment models. Making probabilistic inferences. Probabilistic scenario and sensitivity analysis. Monte-Carlo simulation. Decision making under uncertainty.

Kaynaklar

 

 

Dersin Kodu

PSY 501

Dersin Kredisi

(2+2+0) 3 Kredi     7 AKTS

Dersin Adı

İleri Düzey Araştırma Yöntemleri ve İstatistik (Advanced Research Methods and Statistics)

Dersin İçeriği

İleri regresyon yöntemlerinin derinlemesine kavranması. Basit doğrusal regresyon, çoklu doğrusal regresyon, etkileşimler, kategorik ve sürekli değişkenler ve ilgili konular. SPSS’te analiz yapma, sonuçları yorumlama.

Course Description

In-depth understanding of advance regression methods. Simple linear regression, multiple linear regression, interactions, categorical and continuous variables and related topics. Setting up and running the analysis in SPSS; interpreting the results; drawing implications for the research problem.

Kaynaklar

Hoyle, R.H., Harris, M., and Judd, C.M. (2002). “Research Methods in Social Relations” (7th ed.). USA: Wadsworth Cengage Learning.

Christensen, L.B. (2004). “Experimental Methodology”. Boston: Pearson.

Field, A. (2009). “Discovering Statistics Using SPSS”. London: Sage Publications.

Boslaugh, S. (2005). “An intermediate guide to SPSS programming using syntax for data management”. London: Sage Publications.

Green, S.B., Salkind, N.J., and Akey, T.M. (2000). “Using spss for windows: Analyzing and understanding data” (2nd ed.). New Jersey: Prentice Hall.

Tabachnick, B.G. and Fidell, L.S. (2007). “Using Multivariate Statistics” (5th ed.). Boston: Pearson.