.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| YZM506 | Optimizasyon | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, öğrencilere optimizasyonun temel kavramlarını ve yöntemlerini öğretmek, matematiksel optimizasyon modelleri, lineer programlama, tamsayılı programlama gibi konulara odaklanmak, farklı optimizasyon tekniklerini keşfetmek, kısıtlarla optimizasyon, yapay zeka ve optimizasyon, çok kriterli optimizasyon gibi ileri düzey konuları ele almak, optimizasyon alanındaki gelecek trendlerini ve uygulamalarını incelemektir.
Dersi Veren Öğretim GörevlisiGörevlileri
-
Öğrenme Çıktıları
| 1 | Optimizasyon kavramlarını ve temel prensiplerini anlama becerisi geliştirmek. |
| 2 | Matematiksel optimizasyon modelleri ve yöntemlerini anlama ve uygulama yetkinliği kazanmak. |
| 3 | Lineer programlama, tamsayılı programlama, doğrusal olmayan programlama gibi optimizasyon tekniklerini öğrenmek ve uygulama becerisi geliştirmek. |
| 4 | Optimizasyon problemlerini modelleme, çözme ve sonuçları yorumlama yetkinliği geliştirmek. |
| 5 | Optimizasyon tekniklerini veri bilimi projelerinde kullanma becerisi kazanmak. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
YOK
Ders İçin Önerilen Diğer Hususlar
YOK
Dersin İçeriği
Bu dersin amacı, öğrencilere optimizasyonun temel kavramlarını ve yöntemlerini öğretmek, matematiksel optimizasyon modelleri, lineer programlama, tamsayılı programlama gibi konulara odaklanmak, farklı optimizasyon tekniklerini keşfetmek, kısıtlarla optimizasyon, yapay zeka ve optimizasyon, çok kriterli optimizasyon gibi ileri düzey konuları ele almak, optimizasyon alanındaki gelecek trendlerini ve uygulamalarını incelemektir.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Optimizasyona Giriş | ||
| 2 | Matematiksel Optimizasyon Modelleri | ||
| 3 | Lineer Programlama | ||
| 4 | Tamsayılı Lineer Programlama | ||
| 5 | Karar Ağaçları ve Kesikli Optimizasyon | ||
| 6 | Yüzey Tabanlı Optimizasyon | ||
| 7 | Genetik Algoritmalar ve Evrimsel Optimizasyon | ||
| 8 | Ara Sınav | ||
| 9 | İçerik Tabanlı ve İteratif Optimizasyon | ||
| 10 | Ağ Tabanlı Optimizasyon | ||
| 11 | Durumsal Optimizasyon | ||
| 12 | Karar Destek Sistemleri ve Çok Kriterli Optimizasyon | ||
| 13 | Yapay Zeka ve Optimizasyon | ||
| 14 | Optimizasyonda Gelecek Trendler ve Uygulamalar | ||
| 15 | Final Sınavı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
"Optimization Models" - Giuseppe C. Calafiore, Laurent El Ghaoui "Introduction to Linear Optimization" - Dimitris Bertsimas, John N. Tsitsiklis "Genetic Algorithms in Search, Optimization, and Machine Learning" - David E. Goldberg "Convex Optimization" - Stephen Boyd, Lieven Vandenberghe "Multi-Objective Optimization Using Evolutionary Algorithms" - Kalyanmoy Deb
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 76 | 76 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 72 | 72 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek