İSTİNYE ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| Veri Bilimi (YL) (Tezli) (İngilizce) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | DATS5007 | ||||
| Ders İsmi: | Karar Destek Sistemleri | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | İngilizce | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | E-Öğrenme | ||||
| Dersin Koordinatörü: | Araş. Gör. KAZIM TİMUÇİN UTKAN | ||||
| Dersi Veren(ler): | |||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Bu dersin amacı, öğrencileri karar destek sistemlerini (KDS) tasarlamak, uygulamak ve değerlendirmek için gerekli teorik temeller ve pratik becerilerle donatmaktır. Analitik modelleme teknikleri ve veri işleme araçlarına vurgu yapan ders, öğrencileri karmaşık ortamlarda karar vermenin zorluklarına hazırlamayı amaçlamaktadır. Uygulamalı deneyimler ve vaka çalışmaları aracılığıyla öğrenciler, kuruluşlardaki karar verme süreçlerini kolaylaştırmak ve iyileştirmek için teknolojik kaynaklardan nasıl yararlanacaklarını öğreneceklerdir. |
| Dersin İçeriği: | 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 |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) 1. Karar destek sistemlerinin ilke ve çerçevelerini anlamak 2) Karar destek için çeşitli modelleme tekniklerini uygulamak 3) Gelişmiş karar verme için veri ambarı ve veri madenciliği yöntemlerini entegre etme 4) Yapay zeka ve makine öğrenimini karar destek sistemlerine dahil etmenin sonuçlarını değerlendirmek 5) İşlevsel bir karar destek sistemi prototipi tasarlama becerisini gösterme |
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Dersin tanıtımı; Karar Destek Sistemlerine Genel Bakış | - |
| 2) | KDS'nin Tarihsel Gelişimi; KDS'nin Bileşenleri ve Sınıflandırılması | - |
| 3) | Organizasyonlarda Karar Verme; Bilişsel ve Davranışsal Yönler | - |
| 4) | Karar Verme için Kantitatif Modeller; Optimizasyon ve Simülasyon | - |
| 5) | Veri Ambarı Temelleri; Tasarım ve Uygulama | - |
| 6) | Veri Madenciliği Kavramları ve Teknikleri; Sınıflandırma ve Tahmin | - |
| 7) | KDS'de Kullanıcı Arayüzleri ve Görselleştirme; Dashboard Tasarım İlkeleri | - |
| 8) | ARA SINAV | - |
| 9) | Karar Ağaçları ve Model Tabanlı KDS; Kuralcı Analitik | - |
| 10) | KDS için Uzman Sistemler ve Bilgi Yönetimi | - |
| 11) | DSS'de Sinir Ağları ve Makine Öğrenimi | - |
| 12) | Akıllı Karar Destek Sistemleri için Yapay Zekanın Entegrasyonu | - |
| 13) | İşbirlikçi ve Grup Karar Destek Sistemleri | - |
| 14) | Gerçek Zamanlı ve Mobil DSS; Zorluklar ve Çözümler | - |
| 15) | Çeşitli Sektörlerden KDS Vaka Çalışmalarının İncelenmesi | - |
| 16) | FİNAL SINAVI | - |
Kaynaklar
| Ders Notları / Kitaplar: | 1. Turban, Efraim, et al. "Decision Support and Business Intelligence Systems." Prentice Hall Press. 2. Marakas, George M. "Decision Support Systems in the 21st Century." Pearson Education. |
| Diğer Kaynaklar: | 1. Power, D. J. "Decision Support Systems: Concepts and Resources for Managers." Quorum Books. 2. Sharda, Ramesh, Delen, Dursun, Turban, Efraim. "Business Intelligence and Analytics: Systems for Decision Support." Pearson Education. |
Ders - Program Öğrenme Kazanım İlişkisi
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
|---|---|---|---|---|---|
| Program Kazanımları | |||||
| 1) Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 3 | 3 | 2 | 3 | 3 |
| 2) Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 2 | 3 | 2 | 3 | 2 |
| 3) Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 2 | 2 | 3 | 3 | 3 |
| 4) Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 2 | 3 | 3 | 2 | 2 |
| 5) Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 2 | 2 | 2 | 2 | 2 |
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 2 |
| 2) | Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 2 |
| 3) | Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 3 |
| 4) | Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 2 |
| 5) | Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 3 |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Ara Sınavlar | 8 | 29 |
| Final | 8 | 86 |
| Toplam İş Yükü | 157 | |