ANTALYA BİLİM ÜNİVERSİTESİ LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ VERİ BİLİMİ TEZSİZ İNGİLİZCE YÜKSEK LİSANS PROGRAMI   

DERS BİLGİ PAKETİ

 

1.Programın Dili 

İngilizce.

2. Programın Süresi

 Yarıyıl esasına dayalı olan Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı’nın süresi en az 2,  en fazla 3 (üç) yarıyıldır.

3.Programın Azami Süresi

Program en çok 3 (Üç) yarıyılda tamamlanır.

4.Bölüm Başkanı

Doç. Dr. Hilal KAZAN.

5. Tarihçe

Antalya Bilim Üniversitesi Lisansüstü Eğitim Enstitüsü’ne bağlı bir tezsiz yüksek lisans programı olan Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı 2021 Bahar döneminde ilk kez öğrenci kabul edilmiştir.

6.Kazanılan Derece

Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Diploması.

7.Kabul ve Kayıt Koşulları

Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı müfredatı, yarıyıl esasına göre hazırlanmış olduğu için, güz ve bahar yarıyıllarında programa öğrenci kabul edilmektedir.

Başvurular Lisansüstü Eğitim Enstitüsü’nün internet sitesi üzerinden veya elden yapılabilmektedir. Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı’na başvuru yapacak olan adaylardan aşağıdaki belgeler talep edilmektedir:

 

 

 

 

1. Ön Başvuru Formu (Enstitü internet sitesinde yer almaktadır).

2. Lisans Diploması veya Mezuniyet Belgesi (Yurt içindeki bir üniversiteden mezun ise aslının ibraz edilmesi halinde fotokopisi kurumumuzca onaylanır. Yurtdışındaki bir üniversiteden mezun ise diplomanın Noter onaylı Türkçe tercümesi ibraz edilmelidir)

3. Transkript (Not Dökümü) (Yurt içindeki bir üniversiteden mezun ise aslının ibraz edilmesi halinde fotokopisi kurumumuzca onaylanır. Yurtdışındaki bir üniversiteden mezun ise diplomanın Noter onaylı Türkçe tercümesi ibraz edilmelidir)

4. Dört (4) adet vesikalık fotoğraf

5. Kimlik İbrazı ve fotokopisi

6. Askerlik Durum Belgesi (Erkek adaylar için)

7. Özgeçmiş (CV)

8. İngilizce Programlar için
          • YDS/YÖKDİL- 60 puan
          • TOEFL IBT  - 80 puan
          • Antalya Bilim Üniversitesi tarafından yapılan İngilizce Yeterlilik Sınavı Başarı Belgesi

 

Başvuru tarihleri, değerlendirme süreci, kayıt yaptırmaya hak kazanan adaylar ve kayıt süreci Antalya Bilim Üniversitesi Lisansüstü Eğitim Enstitüsü internet sitesinde ilan edilmektedir.

8. Önceki Öğrenmenin Tanınması Hakkında Kurallar

Programa kabul edilen öğrenciler, kayıt yaptırmadan önce kayıtlı oldukları lisansüstü programlarından başarılı oldukları derslerin enstitü tarafından ders müfredatına intibak ettirilmesini talep edebilirler. Bu talep, öğrencinin programda öğrenim görmeye başlayacağı akademik yılın başında enstitü müdürlüğüne yazacağı bir dilekçe ile yapılır. Talepte bulunan öğrencinin, dilekçesine onaylı bir not döküm (transkript) belgesinin aslını ve ders içeriklerini eklemesi gereklidir.

İntibak işlemi, Enstitü Yönetim Kurulu kararıyla Ana Bilim Dalı Başkanlığınca belirlenen intibak komisyonu tarafından yönetmelik ve yönerge çerçevesinde gerçekleştirilir. İntibak işlemlerinde ders içerikleri ve AKTS yükü gözetilir. İntibak işlemlerinde ayrıca öğrencinin önceden kayıtlı olduğu programdan edinmesi mümkün olan bilgi birikimi de değerlendirilerek bir karar verilir.

Kurumlar arası yurt dışı yatay geçişle programımıza kayıt yaptıran öğrencilerin intibak taleplerinin değerlendirilmesinde ise, yurt dışından alınan derslerin programa ilişkin ulusal yeterliliklere uygun olarak belirlenen program yeterliliklerine uygun olması esası gözetilir.

 

 

 

9.Sınavlar, ölçme ve değerlendirme

Programda sınavlar ara sınav ve final sınavından oluşmaktadır. Sınavlara girmek için öğrenci kimlik kartlarının ibrazı zorunludur. Ara sınav, program müfredatında bulunan bir dersin verildiği yarıyıl içinde yapılan sınavdır. Her dersin bir yarıyılda en az bir ara sınavı yapılır veya ders içerisinde yapılan ödev, proje ve benzeri çalışmalar, dersin öğretim üyesi takdirinde bir ara sınav yerine kullanılabilir. Final sınavı ise, dersin okutulduğu yarıyıl sonunda akademik takvimde belirtilen tarihler içinde yapılan sınavdır. Final sınavlarına katılabilmek için derslere %70 devam mecburiyetinin tamamlanması gerekmektedir. Dönem sonu başarı notları sınav performansına ek olarak ödev, proje, sunum, sınıf katılımı ve derslere devam durumu gibi çeşitli ölçme ve değerlendirme kriterleri nezdinde belirlenir.

10.Mezuniyet Koşulları

Üniversitemiz Lisansüstü Eğitim-Öğretim ve Sınav Yönetmeliği gereğince öğrencinin Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı’ndan mezun olabilmek için birisi Bilimsel Araştırma Teknikleri dersi olmak üzere en az on ders ve dönem projesinin azami süreler içerisinde başarıyla tamamlanması gerekir.

11.Mezun İstihdam Olanakları

Programdan mezun olan öğrenciler, üniversite ve araştırma enstitülerinde akademik unvanlarla çalışabilir. Ayrıca, kamu ve özel sektörde veri analisti, veri mühendisi, veri mimarı olarak çalışabilir. 

12. Üst Derece Programlara Geçiş

Veri Bilimi Tezsiz-İngilizce Yüksek Lisans Programı’ndan mezun olan öğrenciler, başvuru şartlarını sağlamaları halinde,  Tezli Yüksek Lisans programlarında eğitimlerine devam edebileceklerdir

13. Program Yeterlilikleri (Çıktıları)

• Lisans eğitimini temel alarak veri biliminin bir alt alanında uzmanlaşabilir.

• Disiplinler arası alanlardan uzmanların olduğu bir takımda etkin bir şekilde görev alabilir.

• Veri Bilimi alanında belirli bir problemi saptayabilir, tanımlayabilir, formül edebilir ve çözmek için yöntem geliştirebilir.

• Veri Bilimi alanında belirli bir problemi çözerken gerçekçi kısıt ve koşullara uygun yaklaşımlar geliştirebilir.

• Veri Bilimi alanında gelişmekte olan yeni uygulamaların farkında olup, gerektiğinde bunları inceler ve öğrenir.

• Bilimsel yöntemler kullanarak veri toplayabilir, işleyebilir ve yorumlayabilir.

• Çalışma alanıyla ilgili İngilizce  sözlü ve yazılı iletişim kurabilir, topluluk önünde etkin sunum yapabilir, teknik rapor yazabilir.

14. Program Müfredatı

15.Ders İçerikleri

 

DS 501 Veri Bilimine Giriş

Bu ders, makine öğrenimi, yapay zeka ve büyük veri alanlarında uzmanlaşmış, veri bilimine giriş seviyesinde bir derstir. Odak noktası, büyük miktarda veriden bilgi toplamak, depolamak, temizlemek, manipüle etmek, görselleştirmek, modellemek ve bilgi çıkarımı için teknikler ve araçlar olacaktır. Konular arasında veri ön işleme, makine öğrenimi algoritmalarına genel bakış, değerlendirme stratejileri yer alır.

 

DS 502 Veri Bilimi için Uygulamalı İstatistik

Bu ders, veri bilimi uygulamaları için gerekli istatistik altyapısını kapsar. Konular arasında tanımlayıcı istatistikler, olasılık dağılımları, korelasyon ve nedensellik arasındaki farklar, hipotez testleri, güven aralıkları, doğrusal regresyon yer alır.

 

DS 503 Makine Öğrenimi

Bu ders, makine öğrenimindeki temel ilkeleri ve teknikleri tanıtır. Konular gözetimli ve gözetimsiz öğrenme, regresyon, düzenlileştirme, parametrik olmayan yaklaşımlar, karar ağaçları, çekirdekler ve destek vektör makineleri, kümeleme, sinir ağları ve derin öğrenmeye giriş içerir. Ders ayrıca bu algoritmaların gerçek dünya veri kümelerine uygulanmasını ve farklı algoritmaları karşılaştırmak için değerlendirme tekniklerini de kapsayacaktır.

 

 

 

 DS 504 Keşifsel Veri Analizi ve Görselleştirme

Keşifsel Veri Analizi, veri analizinde kritik bir ilk adımdır. Bu ders, temel keşifsel veri analizi yöntemlerini ve görselleştirme araçlarını kapsar. Bu yöntemler, veri temizlemede, uygun analiz yöntemlerinin seçiminde, değişkenler arasındaki ilişkilerin araştırılmasında etkili olacaktır. Ders ayrıca veri görselleştirme araçlarını tartışmak, eleştirmek ve tasarlamak için bir kelime haznesi ve çerçeve geliştirmeyi amaçlamaktadır. Konular arasında işaretler ve kanallar, renk kullanımı, çok değişkenli verilerin, ağların ve metnin etkili görselleştirilmesi yer alır. Ödevler, son teknoloji görselleştirme sistemlerini kullanarak uygulamalı deneyim sağlayacaktır.

 

DS 505 Derin Öğrenme 

Bu derste, derin öğrenmenin temelleri anlatılacaktır. Yapay sinir ağları, evrişimsel sinir ağları, derin üretken ağlar, tekrarlı sinir ağları gibi öğrenme modelleri ve ses-görüntü-dil işleme üzerine olan uygulamaları açıklanacaktır. 

 

 

DS 506 Doğal Dil İşleme için Makine Öğrenme Teknikleri

 

Doğa Dil İşleme, amacın insan dilini anlamak için algoritmalar geliştirmek olduğu disiplinler arası bir dilbilim, bilgisayar bilimi ve yapay zeka alanıdır. Bu derste öğrenciler önce metin verilerini makine öğrenimi yöntemlerine girdi olarak kullanılabilecek özelliklere nasıl dönüştüreceklerini öğrenecekler. Ayrıca n-gram dil modelleri, konuşma parçası etiketleme, vektör uzayı modelleri ve konuma duyarlı hashing hakkında bilgi edinecekler. Kursun son bölümü, çeşitli NLP görevlerinde performansı artıran son derin öğrenme modellerini (dikkat modelleri, siyam ağları, transformatörler) içerecektir.

 

 

DS 507 Hesaplamalı Biyolojiye Giriş

Bu ders, veri miktarı ve karmaşıklığının karmaşık algoritmalar ve veri yapılarının tasarımını gerektirdiği moleküler biyolojideki önemli hesaplama zorluklarını kapsar. Ele alınacak bazı teknikler, dinamik programlama, çizge algoritmaları, gizli Markov modelleri, kümeleme, vs.'dir. Konular, dizi hizalama, genom montajı, gen bulma, filogenetik, gen ekspresyon analizi, motif bulma ve RNA katlama algoritmalarını içerecektir.

 

DS 508 Ağ Bilimine Giriş:

Karmaşık sistemler, etkileşen varlıkların statik veya dinamik ağları ile temsil edilebilir. Ders, bu tür karmaşık ağların topolojisini ve dinamiklerini araştıran ağ bilimi alanına bir giriş niteliğindedir. Kurs, bu tür ağların çalışmasında kullanılan algoritmik, hesaplamalı ve istatistiksel yöntemlerin yanı sıra iletişim, biyoloji, ekoloji, beyin bilimi, sosyoloji uygulamalarına odaklanmaktadır. Konular, ağların deneysel analizini, karmaşık ağların işlevini ve yapısını, salgınları ve bilgi yayma modellerini içerir.

 

 DS 509 Optimizasyon:

Dersin ana hedefi kanıtlarıyla birlikte yapı ve algoritmalara vurgu yapan kombinatoryal optimizasyonun temelleridir. Konular, doğrusal programlama, simpleks yöntemi, dualite kavramı, primal-dual algoritması dahil olmak üzere optimizasyon için kombinasyonel ve geometrik yöntemleri içerir. Ayrıca ağ akışları, eşleştirme, gezgin satıcı problemi (TSP) ve kesintiler gibi sorunların uygulamalarını içerir. NP problemlerine genel bir bakış ve yaklaşık algoritmalara giriş sağlanmaktadır.

 

DS 510 Büyük Veri Mühendisliği

Bu ders, büyük veri uygulamaları oluşturmak için tasarım ve mimari tekniklerine giriş niteliğindedir. Konular, dağıtılmış dosya sistemlerini, veri akışlarını, olay akışlarını, gerçek zamanlı veri işlemeyi, makine öğrenimi ardışık düzenlerini, veri akışını otomatikleştirmeyi kapsayacaktır.

 

DS 511 Temel Algoritmalar:

Algoritma analizi ve tasarımının temel kavramlarına giriş. Temel analiz tekniklerine genel bakış: fonksiyonları asimptotik olarak yaklaştırma, toplamları sınırlama ve tekrarları çözme. Böl ve yönet, rastgeleleştirme, dinamik programlama, amortisman ve açgözlü algoritmalar gibi tasarım tekniklerine odaklanarak verimli bir şekilde çözülebilir problemlerin tartışılması.

Diziler, dizgiler, çizgeler ve hesaplamalı geometri ile ilgili sorunlara uygulanan algoritmalar aracılığıyla çeşitli yeni kavramların gösterimi.

 

DS 512 İş Analitiği

İş Analitiği, iş operasyonları hakkında daha iyi içgörü sağlamak ve gerçeklere dayalı kararlar almak için istatistiksel modellerle verilerin nicel analizidir. Konular arasında açıklayıcı analiz ve görselleştirme, müşteri segmentasyonu, müşteri yaşam döngüsü yönetimi, çapraz satış / yukarı satış önerileri, pazarlamada A / B testi, finansal tahmin, bağlantı analizi, sosyal medya analizi, iş süreci madenciliği yer alır.

 

DS 590 Bitirme Projesi

Bu ders kapsamında veri bilimi alanında seçili bir problemin çözümüne yönelik uygulamalı ya da kuramsal bir dönem projesi yürütülür.

 

 

 

16.AKTS Ders Tanıtım Formları