Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
DATS5101 | Database Applications | 1+2+0 | 9 | Zorunlu |
1.Veritabanı sistemlerine, mimarilerine, modellerine ve bileşenlerine genel bakış. 2. Veritabanı tasarımı ve veri modellemesi için prensipler ve metodolojiler. 3. Veritabanı manipülasyonu ve sorgulama için SQL'in değerlendirilmesi ve kullanımı. 4. NoSQL veritabanlarına giriş ve modern veri ortamlarındaki uygulamaları. 5. Çeşitli uygulama bağlamlarında veritabanı çözümlerinin uygulanması ve yönetilmesi. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
IGE5500 | Scientific Research Methods and Ethics | 3+0+ | 9 | Zorunlu |
Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
DATS5102 | Regulations in the Field of Data: PDPA, GDPR, FERPA, HIPPA | 3+0+0 | 9 | Zorunlu |
1.Veri Düzenlemelerine Giriş:PDPA, GDPR, FERPA, HIPAA 2. Genel Veri Koruma Yönetmeliği (GDPR) Çerçevesinin Anlaşılması 3. Kişisel Verilerin Korunması Kanunu'nun (KVKK) ve etkilerinin incelenmesi 4. Aile Eğitim Hakları ve Gizlilik Yasası'nın (FERPA) eğitim bilgilerinin korunmasındaki rolü 5. Sağlık Sigortası Taşınabilirlik ve Sorumluluk Yasası (HIPAA) Gizlilik, Güvenlik ve İhlal Bildirim Kuralları |
Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
DATS5189 | Seminar | 0+0+0 | 9 | Zorunlu |
1. Son araştırmalar ve vaka çalışmaları dahil olmak üzere Yönetim Bilişim Sistemlerinde ileri konular. 2. Alandaki bilimsel makalelerin ve profesyonel yayınların eleştirel analizi ve tartışılması. 3. İş stratejilerini etkileyen yeni teknolojilerin sunumu ve eleştirisi. 4. Yönetim Bilişim Sistemleri alanında özgün araştırma tasarlama ve yürütme. 5. Sunumlar ve yazılı ödevler aracılığıyla iletişim becerilerinin geliştirilmesi. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
DATS5289 | Thesis Study 1 | 1+0+0 | 30 | Zorunlu |
1. Araştırma metodolojilerinin incelenmesi ve uygulanması. 2. Literatür taraması teknikleri ve bilgi yönetimi. 3. Bilimsel veri analizi, modelleme ve yorumlama. 4. Akademik yazım teknikleri ve etik kurallar. 5. Tez yazım süreci ve sunum teknikleri. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS | Zorunlu/Seçmeli |
DATS5290 | Thesis Study 2 | 1+0+0 | 30 | Zorunlu |
1. Araştırma metodolojilerinin incelenmesi ve uygulanması. 2. Literatür taraması teknikleri ve bilgi yönetimi. 3. Bilimsel veri analizi, modelleme ve yorumlama. 4. Akademik yazım teknikleri ve etik kurallar. 5. Tez yazım süreci ve sunum teknikleri. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5002 | Data Driven Learning | 1+2+0 | 6 |
Ders Notları |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5005 | Deep Learning | 1+2+0 | 6 |
1. Derin öğrenmenin matematiksel temelleri ve temel kavramları. 2. Çok katmanlı algılayıcılar, hiperparametre optimizasyonu, ve ileri besleme ağları. 3. Konvolüsyonel sinir ağları ve görüntü işleme üzerine uygulamaları. 4. Geriye yayılım algoritması, optimizasyon yöntemleri ve ağırlandırma güncellemeleri. 5. Uzun Kısa Süreli Bellek (LSTM) ve tekrarlayan sinir ağları (RNNs); dizi verileri üzerine çalışmalar. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5007 | Decision Support Systems | 1+2+0 | 6 |
1. Karar Destek Sistemlerine Giriş: temel kavramlar ve bileşenler 2. Karar Verme Süreci: karar türleri, belirsizlik altında karar verme 3. Karar Destek Sistemi Modellemesi: doğrusal, doğrusal olmayan ve ayrık modeller 4. Karar Destek için Veri Ambarı ve Veri Madenciliği: ETL süreçleri ve teknikleri 5. KDS'de İleri Konular: makine öğrenimi, yapay zeka ve gerçek zamanlı karar sistemleri |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5008 | Business Intelligence and Data Visualization | 1+2+0 | 6 |
1. Karar Destek Sistemlerine Giriş: temel kavramlar ve bileşenler 2. Karar Verme Süreci: karar türleri, belirsizlik altında karar verme 3. Karar Destek Sistemi Modellemesi: doğrusal, doğrusal olmayan ve ayrık modeller 4. Karar Destek için Veri Ambarı ve Veri Madenciliği: ETL süreçleri ve teknikleri 5. KDS'de İleri Konular: makine öğrenimi, yapay zeka ve gerçek zamanlı karar sistemleri |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5012 | Natural Language Processing | 1+2+0 | 6 |
1. Doğal Dil İşlemenin Temelleri ve Uygulama Alanları 2. Metin Ön İşleme ve Temizleme Yöntemleri 3. Doğal Dil İşleme için Algoritmalar ve Modeller 4. Derin Öğrenme ve Doğal Dil İşleme 5. Doğal Dil İşlemede Güncel Gelişmeler ve Uygulama Çalışmaları |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5017 | Explainable, Responsible and Trustworthy AI | 1+2+0 | 6 |
1. Açıklanabilir Yapay Zeka (XAI) kavramlarının tanıtılması ve önemi. 2. Sorumlu Yapay Zeka prensipleri ve etik framework'ler. 3. Güvenilir Yapay Zeka sistemi tasarımı ve güvenlik standartları. 4. XAI yöntem ve tekniklerinin uygulamalı incelemesi. 5. Sorumlu ve güvenilir Yapay Zeka sistemlerinin sosyal ve hukuki boyutları. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5018 | Human-centered Data Science | 1+2+0 | 6 |
1. Veri Biliminde İnsan Merkezli Tasarım İlkelerine Giriş 2. Etik hususlar ve sorumlu veri bilimi 3. Farklı kitleler için veri görselleştirme ve iletişim 4. Veri Biliminde kullanıcı deneyimi (UX) araştırma yöntemleri 5. İnsan merkezli veri bilimi uygulamalarına ilişkin vaka çalışmaları |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5020 | Data Science and AI Applications in Business | 1+2+0 | 6 |
1. İş bağlamında makine öğrenimi kavramlarına ve algoritmalarına genel bakış. 2. Veri ön işleme, özellik mühendisliği ve veri görselleştirme teknikleri. 3. İş dünyasında karar verme sürecinde regresyon ve sınıflandırma için denetimli öğrenme modelleri. 4. Müşteri segmentasyonu, pazar sepeti analizi ve anomali tespiti için denetimsiz öğrenme. 5. İş uygulamaları için makine öğrenimi modellerinin ve dağıtım stratejilerinin değerlendirilmesi. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5022 | Sustainability and Data Science | 1+2+0 | 6 |
1. Sürdürülebilirliğe Giriş ve Veri Bilimi ile Kesişimleri 2. Çevresel Veri ve Metriklerin Temelleri 3. Veri Toplama ve Analizinde Sürdürülebilir Uygulamalar 4. Sürdürülebilirlik için Büyük Veriye İlişkin Vaka Çalışmaları 5. Sürdürülebilir Çözümler için Yapay Zeka ve Makine Öğreniminin Uygulanması |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5024 | Data-driven Opportunities and Threats in AR,VR, MR, XR and Metaverse | 1+1+0 | 6 |
1. AR, VR, MR, XR ve Metaverse ortamlarına giriş. 2. Sürükleyici teknolojilerdeki veri fırsatlarını anlama. 3. Genişletilmiş gerçeklikte (XR) tehditlerin ve güvenlik açıklarının belirlenmesi ve değerlendirilmesi. 4. Sanal alanlarda kullanıcı davranışı ve etkileşimi için veri analitiği. 5. Sürükleyici ortamlarda veri toplamaya ilişkin yasal ve etik hususlar. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5025 | Social Network Analysis and Data-driven Journalism | 1+2+0 | 6 |
1. Sosyal Ağ Analizine (SNA) giriş ve gazetecilikteki uygulamaları. 2. Haber ve toplumsal eğilimler bağlamında SNA için veri toplama yöntemleri. 3. Ağ yapılarını ve örüntülerini anlamada metriklerin ve algoritmaların rolü. 4. SNA tekniklerini kullanan veri odaklı gazetecilik projelerinin vaka çalışmaları. 5. Gazeteciliğe uygulanan SNA'da etik hususlar ve gizlilik kaygıları. |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5026 | Data Science Applications in Health Sciences | 1+2+0 | 6 |
1. Sağlık Bilimleri ve Veri Bilimi kesişimine genel bakış 2. Sağlık Verilerinde Veri İşleme ve Ön İşleme 3. Sağlık verilerinin analizi için kullanılan makine öğrenimi modelleri 4. Sağlık bilimlerinde modellerin değerlendirilmesi ve yorumlanması 5. Sağlık Veri Biliminde etik hususlar ve veri gizliliği |
Ders Kodu | Ders Adı | (T+U+L) | AKTS |
DATS5027 | Machine Learning Applications in Business | 1+2+ | 6 |
1.İş bağlamında makine öğrenimi kavramlarına ve algoritmalarına genel bakış. 2. Veri ön işleme, özellik mühendisliği ve veri görselleştirme teknikleri. 3. İş dünyasında karar verme sürecinde regresyon ve sınıflandırma için denetimli öğrenme modelleri. 4. Müşteri segmentasyonu, pazar sepeti analizi ve anomali tespiti için denetimsiz öğrenme. 5. İş uygulamaları için makine öğrenimi modellerinin ve dağıtım stratejilerinin değerlendirilmesi. |