Dersi Veren Fakülte \ Bölüm
İktisadi ve İdari Bilimler Fakültesi \ Uluslararası Girişimcilik
Kredi
AKTS
Ders Türü
Öğretim Dili
Bu dersin önkoşulu bulunmamaktadır.
Bu ders, işletmelerin karar alma süreçlerinde büyük veri kullanımı, yapay zekâ ve makine öğrenmesi tekniklerinin uygulanmasını tanıtmayı amaçlamaktadır. Öğrencilerin bu teknolojileri anlaması ve uygulamalı beceriler kazanması hedeflenmektedir.
Ders Kitapları ve/veya Kaynaklar
(i) Pollock III, P. H., & Edwards, B. C. (2019). The Essentials of Political Analysis. CQ Press.(ii) Pollock III, P. H., & Edwards, B. C. (2018). A Stata® Companion to Political Analysis. CQ Press.(iii) Hamilton, L. C. (2012). Statistics with Stata: Version 12. Cengage Learning.(iv) Mitchell, M. N. (2008). A Visual Guide to Stata Graphics. Stata Press. (v) Stata ve SAS yazılımları için ek dokümanlar derste pdf olarak paylaşılacaktır.
Bu ders, işletmelerin karar alma süreçlerinde büyük veri kullanımı, yapay zekâ ve makine öğrenmesi tekniklerinin uygulanmasını tanıtmayı amaçlamaktadır. Öğrencilerin bu teknolojileri anlaması ve uygulamalı beceriler kazanması hedeflenmektedir. Dersin sonunda öğrencilerin: Yapay zekânın temel kavram ve yöntemlerini anlaması,Denetimli öğrenme tekniklerini kavraması,Stata ve SAS gibi programlama dillerini öğrenerek işletmelerin karar alma stratejilerini uygulamalı olarak incelemesi beklenmektedir. Ders kapsamında öğrenciler, uygun veri setlerini seçme, analiz araçlarını kullanma, sonuçları yorumlama ve etkili bir şekilde raporlama becerilerini geliştireceklerdir.
1. Yapay zekâ ve makine öğrenmesinin işletme süreçlerine etkisini analiz edebilir.
2. Veri analizi ve yazılım araçlarını (Stata, SAS) kullanarak karar süreçlerine uygulayabilir.
3. Yapay zeka modelleri arasında seçim yapabilir.
1. Hafta: Dersin Tanıtımı ve Giriş
2. Hafta: Büyük Veri ve İşletmelerde Kullanımı
3. Hafta: Yapay Zekâ Temel Kavramlar ve Yöntemler
4. Hafta: Denetimli Öğrenme Teknikleri
5. Hafta: Stata ile Veri Yönetimi ve Temel Analizler
6. Hafta: Stata ile Veri Yönetimi ve Temel Analizler
7. Hafta: Makine Öğrenmesi Uygulamaları
8. Hafta: Ara Sınav
9. Hafta: Regresyon Modelleri ve Karar Ağaçları
10. Hafta: Doğrusal Olmayan Modeller ve Sinir Ağları
11. Hafta: Model Değerlendirme ve Karar Destek Sistemleri
12. Hafta: Öğrenci Sunumları ve Proje Çalışmaları
Referans Değerlendime Ölçütleri
• Ara Sınav %30
• Final % 30
• Derse Katılım %10
• Proje ve Sunumlar % 30
|
Program Çıktısı
*
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
|