| Ders Sorumluları
|
Dr. Öğr. Üyesi Fatih SAĞLAM |
| Dersin Sunulduğu Dil |
Türkçe (Turkish) |
| Dersin Türü |
Zorunlu |
| Ön Koşul |
Doktora şartlarını yerine getirmek. |
| Ders İçin Önerilen Diğer Hususlar |
- |
| Dersin Amacı |
Dersin amacı; yönetim faaliyetlerinde karar verme ve karar destek süreçlerinin ortaya konularak, çözüme yönelik bilişim dünyasındaki temel yaklaşımları ve veriye dayalı karar destek sistemlerinin kullanımına yönelik yeterlilikleri kazandırmaktır. |
| Dersin İçeriği |
Karar ve karar yapıları, iş zekası ve iş analitiği süreçleri, yapay zeka ve KDS, tavsiye sistemleri, uzman sistemler, bulanık mantık, veri madenciliğinin temel süreçleri, tanımlayıcı-tahminci analitik uygulamaları, yapay sinir ağları ve metin madenciliği konuları ele alınmakta ve KNIME analitik aracı ile de desteklenmektedir. |
| Dersin Öğrenme Çıktıları (ÖÇ) |
1. Yönetim, organizasyon, verimlilik, etkinlik, Ar-Ge, inovasyon, karar kavramlarını bilir.
2. Karar verme süreçlerini bilir.
3. Belirsizlik altında ve risk altında karar verme yaklaşımlarını hesaplayabilir.
4. Büyük Veri, veritabanı, veri ambarı ve veri marketi yapılarını, aralarındaki ilişkilerle beraber tanımlayabilir.
5. İş Zekası ve İş Analitiği disiplinlerini ve KDS süreçlerindeki etkinliklerini bilir.
6. Yapay Zeka’nın KDS alanındaki kullanım alanlarını bilir.
7. Uzman sistemlerle temel bir KDS sistemi tasarlayabilir.
8. Tanımlayıcı analitik ile tahminci analitik süreçlerini ve bu süreçlerde kullanılan en temel makine öğrenmesi ve yapay sinir ağları algoritmalarını, bir araç kullanarak gerçekleştirebilir. |
| Dersin Veriliş Biçimi |
Örgün Öğretim |
| Dersin Gidişatı |
| Hafta |
Konular |
| 1. Hafta |
Giriş – Toplumsal Değişim ve Bilgi Toplumu |
| 2. Hafta |
Karar ve Karar Yapıları |
| 3. Hafta |
Karar Destek Sistemleri ve Analitik |
| 4. Hafta |
Yapay Zeka ve KDS |
| 5. Hafta |
Tavsiye Sistemleri – Uzman Sistemler |
| 6. Hafta |
Bulanık Mantık |
| 7. Hafta |
Veri Madenciliği ve Tanımlayıcı İstatistik |
| 8. Hafta |
ARA SINAV |
| 9. Hafta |
KNIME’a Giriş |
| 10. Hafta |
KNIME ve Tanımlayıcı Analitik |
| 11. Hafta |
KNIME ve Tahmin Analitiği - I |
| 12. Hafta |
KNIME ve Tahmin Analitiği – II |
| 13. Hafta |
Yapay Sinir Ağları |
| 14. Hafta |
Metin Madenciliği |
|
| Değerlendirme Ölçütleri |
| |
Toplam Katkısı (%) |
| Ara Sınav (%) |
40 |
| Kısa Sınavlar (%) |
|
| Ödevler (%) |
20 |
| Uygulamalar (%) |
|
| Laboratuar (%) |
|
| Projeler/Alan Çalışması (%) |
|
| Seminerler/Çalışma Grupları (%) |
|
| Final (%) |
40 |
| Diğer (%) |
|
| Toplam(%) |
100 |
|
| Dersin Kitabı ve/veya Kaynaklar |
• “Analytics, Data Science, & Artificial Intelligence Systems for Decision Support”, 11e, R.Sharda, D.Delen, E. Turban, 2020.
• Vaughan, Daniel. Analytical Skills for AI and Data Science: Building Skills for an AI-Driven Enterprise. " O'Reilly Media, Inc.", 2020.
• Ders Sunuları. |
| Staj / Uygulama |
|
| Program Yeterlilikleri (PY) ve Dersin Öğrenme Çıktıları (ÖÇ) İlişkisi |
| PÇ1 | PÇ2 | PÇ3 | PÇ4 | PÇ5 | PÇ6 | PÇ7 | PÇ8 | PÇ9 | PÇ10 | PÇ11 | PÇ12 | PÇ13 | ÖÇ1 | 3 | 4 | 2 | 5 | | | 5 | | | 3 | 3 | 4 | | ÖÇ2 | 3 | 4 | | 3 | | | 5 | 3 | | 3 | 5 | | | ÖÇ3 | 5 | 5 | | 3 | | | 3 | 3 | | 5 | 5 | | | ÖÇ4 | 4 | 5 | | 3 | | | | | | | 5 | | | ÖÇ5 | 5 | 5 | | 5 | | | | | | | 5 | | | ÖÇ6 | 5 | 5 | 2 | 4 | | | | | 4 | | 5 | | | ÖÇ7 | 4 | 4 | | 4 | | | | | | 5 | 5 | | | ÖÇ8 | 5 | 4 | 3 | 4 | 5 | | 3 | | | 5 | 5 | | |
|