ENDÜSTRİ MÜHENDİSLİĞİ (İNGİLİZCE, DOKTORA) | |||||
Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
INE6103 | Çok Değişkenli Veri Analizi | Bahar | 3 | 0 | 3 | 9 |
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
Öğretim Dili: | En |
Dersin Türü: | Must Course |
Dersin Seviyesi: | LİSANSÜSTÜ |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi TUĞCAN DEMİR |
Dersi Veren(ler): |
Prof. Dr. SELİM ZAİM Dr. Öğr. Üyesi YÜCEL BATU SALMAN |
Dersin Amacı: | Bu doktora dersinin amacı, öğrencilerin çok değişkenli veri analizine ilişkin değişik konuları anlama becerilerini geliştirmek, bilgilerini arttırmak ve konunun uygulamaları ile yorumlanması hakkında pratik deneyim kazanmalarını sağlamaktır. Dersin odak noktası, doğru analizin seçimi, verinin analize hazır hale getirilmesi, çıktının yorumlanması ve karmaşık bulguların sunumu gibi pratik konuları kapsamaktadır. |
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Çok değişkenli veri analizi için gereken prosedürleri ve programları kullanabilme becerisi geliştirmek. 2. Belirli bir araştırma problemi için uygun çok değişkenli veri analizi tekniğini belirleyebilmek. |
Bu ders kapsamında işlenecek konular: Doğrusal ve çoklu regresyon modelleri, kukla değişkenli regresyon modelleri, çoklu doğrusal bağlantı problemi ve çözüm yöntemleri, çok değişkenli veri analiz teknikleri (Yapısal eşitlik modeli, faktör analizi, kovaryans analizi, ayırma analizi). |
Hafta | Konu | Ön Hazırlık | |
1) | Giriş | ||
2) | Verinin değerlendirilmesi ve temel veri manupulasyonları | ||
3) | Çoklu regresyon analizi | ||
4) | Açıklayıcı faktör analizi | ||
5) | Covaryans temelli Yapısal eşitlik modeli | ||
6) | Doğrulayıcı Faktör analizi | ||
7) | Değerlendirme, Arasınav | ||
8) | Yol analizi: Kovaryans temelli yapısal eşitlik modelinde | ||
9) | Varyans temelli yapısal eşitlik modeli | ||
10) | Yol analizi: Varyans temelli yapısal eşitlik modeli altında | ||
11) | Sinir ağları analizi | ||
12) | Ayırma (Diskriminant) analizi | ||
13) | Kümeleme analizi | ||
14) | Problemler, gözden geçirme |
Ders Notları: | • Multivariate Data Analysis by Joseph F. Hair, Jr,, William C. Black, Barry J. Babin, Rolph E. Anderson, 7/E, Pearson, 2010. • Applied Multivariate Techniques by Subhash Sharma. John Wiley & Sons, Inc. 1996. • Regression Analysis by Example by Samprit Chatterjee and Ali S. Hadi. John Wiley & Sons, Inc. 2006. |
Diğer Kaynaklar: | Various |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | % 0 | |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | % 0 | |
Sunum | % 0 | |
Projeler | % 0 | |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 40 |
Ara Juri | % 0 | |
Final | 1 | % 60 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 13 | 3 | 39 |
Laboratuvar | 0 | 0 | 0 |
Uygulama | 0 | 0 | 0 |
Derse Özgü Staj | 0 | 0 | 0 |
Arazi Çalışması | 0 | 0 | 0 |
Sınıf Dışı Ders Çalışması | 14 | 6 | 84 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 0 | 0 | 0 |
Ödevler | 5 | 5 | 25 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 1 | 15 | 15 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 1 | 25 | 25 |
Toplam İş Yükü | 188 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Temel bilimleri, matematik ve endüstri mühendisliği ile ilgili alanları üst düzeyde anlamak ve uygulamak | |
2) | Alanında en son gelişmeler dâhil olmak üzere genişlemesine ve derinlemesine bilgi sahibi olmak | |
3) | Bilgileri sistematik bir yaklaşım ile değerlendirebilmek ve kullanabilmek | |
4) | Bir alanda en yeni bilgilere ulaşmak ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahip olmak | |
5) | Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapabilmek | |
6) | Özgün bir araştırma sürecini bağımsız olarak algılama, tasarlama, uygulama ve sonuçlandırma; bu süreci yönetme | |
7) | Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur. | |
8) | Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirmek ve bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarmak | |
9) | Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapmak | |
10) | Uzmanlık alanında çalışanlarla ve daha geniş bilimsel ve sosyal topluluklarla yazılı ve sözlü etkin iletişim kurmak, bir yabancı dili en az Avrupa Dil Portföyü C1 Genel Düzeyinde kullanarak ileri düzeyde yazılı, sözlü ve görsel iletişim kurmak ve tartışmak. | |
11) | Alanı ile ilgili karşılaşılan sorunların çözümünde stratejik karar verme süreçlerini kullanarak işlevsel etkileşim kurabilmek | |
12) | Etkin ve verimli yönetme becerisine sahip olmak |