| BAN 500 İş Analitiğine Giriş |
3 SU Kredi |
|
Bu ders Programın giriş dersi niteliğinde olup,
iş analitiğinin kavramsal çerçevesi, sektörel uygulama
alanları ve kullanılan analitik yöntemlere genel giriş
niteliğinde konulardan oluşmaktadır. Bu kapsamda farklı
sektörel başarı hikayeleri incelenecek ve tartışılacak,
büyük veri analitiği gibi yenilikçi ve gelişmekte olan
yaklaşımlar ve kullanım alanları işlenecektir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2020-2021 |
İş Analitiğine Giriş |
3 |
| Güz 2019-2020 |
İş Analitiğine Giriş |
3 |
| Bahar 2018-2019 |
İş Analitiğine Giriş |
3 |
| Güz 2017-2018 |
İş Analitiğine Giriş |
3 |
| Güz 2016-2017 |
İş Analitiğine Giriş |
3 |
|
| Onkosul: __ |
| Yankosul: BAN 500R |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 500R İş Analitiğine Giriş |
0 SU Kredi |
|
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: BAN 500 |
| ECTS Kredi: NONE ECTS (NONE ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 502 Karar Verme ve Yargı Yöntemleri |
3 SU Kredi |
|
Bu ders karar vermenin destek metodolojilerine genel
bir bakış sunar ve üretim planlaması, lojistik,
personel çizelgelemesi, hisse senedi alım-satım
simulasyonu ve portföy optimizasyonu gibi yönetim bilimi
modelleri kullanan karar destek sistemlerinin
tasarımını içerir. Bu sistemler MS Excel ve
VBA kullanılarak geliştirilecektir. VBA
temelleri de derste işlenir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2020-2021 |
Karar Vermeye Giriş |
3 |
| Bahar 2019-2020 |
Karar Vermeye Giriş |
3 |
| Güz 2018-2019 |
Karar Vermeye Giriş |
3 |
| Güz 2017-2018 |
Karar Vermeye Giriş |
3 |
| Güz 2016-2017 |
Karar Vermeye Giriş |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 503 Bilgi Sistemi Yönetimi |
3 SU Kredi |
|
Yöneticinin bilgisel rolünün önemli bir kısmını veri
toplamak, işlemek, ve yaymak oluşturur. Yöneticinin bu rolü,
örgüt içinde kararların mümkün olduğu kadar yararlı,
isabetli, ve zamanında olmasını sağlar. Bu anlamda
aslında her yönetici ayni zamanda bir bilgi yöneticisidir.
Bu dersin içeriğini oluşturan konulardan bazıları
şunlardır: bilgi işlem teknolojisi, bilgi sistemlerinin
tasarımı, örgütlenmesi ve uygulanması, bilgi işlem
sistemlerinin işbirliği ve rekabet açısından yönetsel
boyutları, e-iş ve e-ticaret. Dersin temel amacı, bilgi
işlemin yönetim etkinliği ve verimliliği açısından
işlenmesidir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 504 Enterprise Miner ile Veri Madenciliği |
3 SU Kredi |
|
Büyük veriyi anlama, iş amaçlı analiz etme ve
yorumlama konusu son yılların en önemli ve gözde
konularından biri haline gelmiştir. Akıllı ve doğru
kararlar verebilmek için bir analist veriye ve bilgiye
ulaşabilmeli, büyük miktarda verinin karar-amaçlı
analizi ve kullanımı için doğru yaklaşımlar
geliştirebilmelidir. Bu dersin amacı veri madenciliği
alanındaki temel konuları, yöntemleri, araçları
ve uygulamaları ticari olarak kullanılan bir veri
madenciliği yazılım aracı yardımıyla aktarmaktır. Ders
materyalinin ve verinin kullanım biçimi bir iş analisti
perspektifi ile, analistin stratejik ve taktik kararlar
verebilmesine yönelik olacaktır. Öğrenciler
bu derste ellerini gerçek veri ve yazılım araçları ile
‘kirletecekler’ve bu sayede bir iş analistinin edinmek
isteyeceği veri madenciliği becerilerine sahip olarak
dersi tamamlayacaklardır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2019-2020 |
Enterprise Miner ile Veri Madenciliği |
3 |
| Bahar 2018-2019 |
Enterprise Miner ile Veri Madenciliği |
3 |
| Bahar 2017-2018 |
Enterprise Miner ile Veri Madenciliği |
3 |
| Bahar 2016-2017 |
Enterprise Miner ile Veri Madenciliği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 505 Tahmin Analitiği |
3 SU Kredi |
|
Bu ders denetimli ve denetimsiz istatistiksel öğrenme
modellerinde temel başlangıç konu ve metotlarını içerir
. Bu dersin ana başlıkları arasında çoklu regresyon,
lojistik regresyon, sınıflandırma, yeniden örnekleme
metotları, altküme seçimi, sırt, kementö destek
vektör makinaları
, ana bileşen analizi, ve kümeleme konuları vardır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2020-2021 |
Tahmin Analitiği |
3 |
| Bahar 2019-2020 |
Tahmin Analitiği |
3 |
| Bahar 2018-2019 |
Tahmin Analitiği |
3 |
| Bahar 2017-2018 |
Tahmin Analitiği |
3 |
| Bahar 2016-2017 |
Tahmin Analitiği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 520 Markov Karar Süreçleri |
3 SU Kredi |
|
Markov Karar Sürci dinamik programlama ile çözülen bir
karar verme yöntemidir. Bu güçlü matematiksel metot
sürecin durumunun dinamik olarak değiştiği ve kararların
sonucunun karar vericinin kontrolü dışındaki faktörlerden
etkilendiği durumlarda en iyi çözümü bulmak için kullanılır.
Bu ders üç kısımdan oluşmaktadır. İlk kısım yönetim ve
mühendislik problemlerinin Markov Karar Süreçleri ile
modellenmesi üzerinde durmaktadır. Envanter yönetimi, gelir
yönetimi, sağlık sektörü kararları, üretim planlaması gibi
konular Markov Karar Süreçleri ile modellenecektir.
İkinci kısımda lineer programlama, değer tekrarlama ve
ilke tekrarlama gibi çok kullanılan çözüm algoritmalarından
bahsedilecektir. En son kısımda ise Markov Karar
Süreçleri'nin uygulamaları, ve de bilimsel literatürdeki
açık sorular tartışılacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2018-2019 |
Markov Karar Süreçleri |
3 |
| Güz 2017-2018 |
Markov Karar Süreçleri |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 521 Öngörücü Analitik |
3 SU Kredi |
|
Dersin ana hedefi, yöneticilere karar verirken
yardımcı olabilecek matematiksel modellerin
temel prensip ve tekniklerini sunmaktır. Vaka
analizleri, ödevler ve sınıf içi tartışmalarla,
öğrenciler optimizasyon ve Monte Carlo
simülasyonu, ayrık olaylı benzetim ve karar
ağaçları gibi analitik metodların varsayımlarını,
sınırlamalarını ve ve etkin kullanımlarını
öğrenecektirler. Dersin odak noktası
matematiksel teori değil, model oluşturma ve
sonuçlarını yorumlama üzerine olacaktır. Bu
ders program öğrencilerinden formal karar
modellemeye ilgisi olanlar için tasarlanmıştır. Bu
nedenle, fonksiyonel alanlardan bağımsız, çeşitli
endüstrilerde yaygın kullanılan modellere vurgu
yapılacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2018-2019 |
Öngörücü Analitik |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 522 Gelir Yönetimi |
3 SU Kredi |
|
Gelir yönetimi talep kararının iki tür ile ilgilidir:
kalite yani farklı pazar segmentlerinde kapasitenin nasıl
tahsis edileceği, bir ürünün satış zamanı kesintiye
uğramaması vs.) ve fiyat (fiyatlar nasıl belirleneceği,
ürün kategorileri arasında fiyatlandırmanın nasıl
yapılacağı, measi vb.). Bu ders, gelir yönetiminin
araçlarının ve kavramsal çerçevesinin yanısıra turizm,
otelcilik, imalat ve moda gibi farklı sektörlerdeki
uygulamalarını da öğrencilere tanıtmayı amaçlamaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2018-2019 |
Gelir Yönetimi |
3 |
| Bahar 2016-2017 |
Gelir Yönetimi |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 523 Çok Amaçlı Karar Vermede Katılım |
3 SU Kredi |
|
Öğrencilere yaratıcı bir yaklaşımla çok amaçlı katılımcı
karar verme tekniklerini öğretmek. Grup halinde karar
verme süreç ve tekniklerinin aşamalarını, içeriklerini,
benzerlik ve farklılıklarını, ayrıntılı bir şekilde
derinlemesine irdelemek. Teorik bilgilerin, literatürdeki
uygulamalarını araştırarak teori ve
pratiği birlieştirmek.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 524 Mekansal Zeka ile Müşteri İlişkileri Yönetimi |
3 SU Kredi |
|
Bu ders, günümüz müşteri-bazlı pazarlama aktivitelerinin
odağında yer alan Müşteri İlişkileri Yönetimi (MİY) ile
giderek önem kazanan Mekansal Zeka ve lokasyon
boyutunun iş kararlarında kullanılması nosyonlarını
bir araya getirmektedir. Ders bankacılık sektöründe CRM
Bölüm Direktörlüğü görevi yürüten ve MİY konusunda uzman
bir yönetici ile birlikte verilmektedir. Dersin ilk
kısmında MİY, coğrafi veri ve Coğrafi Bilgi Sistemleri
(CBS) üzerine temel kavramlar tanıtıldıktan sonra
lokasyon bilgisinin bankacılık CRM ve pazarlama
aktivitelerinde (örn: kampanya ve promosyon yönetimi,
müşteri segmentasyonu, hedef kitle pazarlaması)
kullanımına dair vakalar işlenmektedir. Bu amaçlar
doğrultusunda öğrenciler bir CBS yazılım paketi kullanarak
çeşitli alıştırma ve örnekler üzerinde çalışma fırsatına
sahip olur. Ders öğrencilerin takımlar halinde bir
proje çalışması yapması ve proje analiz
raporunu teslim etmesiyle son bulur.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 525 Mikroekonomi I |
3 SU Kredi |
|
Tüketici davranışları ve talep teorisi, üretim teorisi
rekabetçi piyasalar, kısmi denge ve genel denge teorisi.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 526 İş Zekası ve Karar Destek Sistemleri |
3 SU Kredi |
|
Bu dersin amacı, öğrencilerin bilgisayar tabanlı
enformasyon sistemlerinin organizasyonlarda karar
verme amaçlı (iş zekası) kullanımını anlamasını sağlamaktır.
Bu derste öğrenciler : a) İşletmelerde karar verme,
iş zekası, karar destek sistemleri ve bunların enformasyon
sistemleri ile ilişkisi b) Karar destek sistemleri
gelişitrme metodolijisi ve teknolojileri
(Yapay sinir ağları, bilgi yönetimi, veri ambarlama
sistemleri ve veri madenciliği gibi) c)
Karar destek sistemleri yazılım paketleri ile ilgili
genel bilgi ve uygulamaları konularında
kendilerini geliştirme fırsatı bulacaklardır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 527 Betimsel Analitik |
3 SU Kredi |
|
Dersin amacı temel istatistik kavramlarını tanıtmak, ve bu
metodların yönetim problemlerine nasıl uygulanabileceği
konusunda bir temel oluşturmaktır. Bu amaçla, pratik
uygulamalar ve örneklerin üzerinde durulacaktır. Ders
sırasında birden fazla istatistiksel analiz programı
kullanılacaktır. Dersin içeriğinde betimsel istatistik,
olasılık dağılımları, hipotez testi, regresyon, deneysel
tasarım ve varyans analizi gibi konular bulunmaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2020-2021 |
Betimsel Analitik |
3 |
| Güz 2019-2020 |
Betimsel Analitik |
3 |
| Güz 2018-2019 |
Betimsel Analitik |
3 |
| Güz 2017-2018 |
Betimsel Analitik |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 528 Mikroekonomi II |
3 SU Kredi |
|
Belirsizlik ortamında seçim; kısmi rekabet, stratejik
etkileşim, piyasaya giriş; aykırı seçilme, sinyal verme,
süzgeçleme, ahlaki risk; mekanizma tasarımı; belirsizlik
ortamında genel denge; aksiyomatik ve
koalisyonlu pazarlık, işbirlikçi modeller.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 529 Ekonometri |
3 SU Kredi |
|
Klasik lineer regresyon modeli, genelleştirilmiş en küçük
kareler, genelleştirilmiş beklemler yöntemi, nitel bağlı
değişken modeli, zaman serisi analizi.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 531 Sistem Benzetimi |
3 SU Kredi |
|
Simulasyona değişik yaklaşımlar; servis sistemlerinin ayrık
olay bazlı benzetim ile modellenmesi ve analizi;
girdi analizi; rassal sayılar ve rassal değişken türetimi;
çıktı analizi; model tutarlılığı ve sağlama.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 532 Makine Öğrenmesi |
3 SU Kredi |
|
Makine öğrenmesi geçmişte aldığı öğrenme girdileri ile
başarımlarını devamlı olarak artıran yani öğrenen
bilgisayar sistemlerin geliştirilmesini konu alır. Bu ders
şu konuları içerir: Sürüm uzayları ve kavram öğrenme
öğretmenli ve öğretmensiz öğrenme, istatistiksel
öğrenme metotları, Bayes öğrenme metodu, açıklamaya dayalı
öğrenme, genetik algoritmalar, karar ağaçları. Tümevarımlı
yanlılık, yaklaşık öğrenme, enküçük tanım uzunluğu gibi
kuramsal yönler de incelenecektir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 533 Stokastik Süreçler |
3 SU Kredi |
|
Poisson ve yenilenme süreçleri; ayrık ve sürekli Markov
süreçleri; kuyruk, güvenilirlik, envanter, üretim ve
telekomünikasyon uygulamaları; kuyruk serimleri
uygulamaları ve serim performans analizi.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 535 Yapay Sinir Ağları |
3 SU Kredi |
|
Temel sinir fizyolojisinin gözden geçirilmesi. Biyolojik
kökenli sinir modelleri ve YSAmodellerine etkileri
YSA modelleri. temel hücre yapısı ve bağlantı geometrisi
açısından YSA modellerine genel bakış. Önemli
YSA modellerini niteliksel ve niceliksel incelenmesi. Çok
katlı Percoptron, Adaline, Hopfield, Hücresel YSA' lar,
Grossberg ve Kohonen Ağları' nın matematiksel analizi YSA
tasarımı. YSA' nın eğitilmesi ve çevreyle etkileşimli
öğrenmesi. YSA ile ses ve şekil tanıma. Görüntü işleme
uygulamaları. YSA ile yapılan gerçeklemeler.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 537 Sistem Dinamiği |
3 SU Kredi |
|
Sistem mantığı ve sistem dinamiği açısından bakış;
karışık sistemlerin çalışma yapısının anlaşılması ve ifade
edilebilmesi için kullanılan yöntemler ve bu yapıların
dinamiği; karışık sistemlerin modellenmesi ve benzetimi
için kullanılan araçlar; konuyla ilgili bazı uygulamalar:
kurumsal büyüme ve tıkanma, yeni teknolojilerin
yayılımı, iş çevrimleri, tahminlerin güvenilirliği ve
kullanılması, tedarik zincirlerinin tasarımı, hizmet kalite
yönetimi, proje yönetimi ve ürün geliştirme,
salgın hastalıkların yayılmasının dinamiği.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 539 Veri Madenciliği |
3 SU Kredi |
|
Veri madenciliğinin amacı büyük çaplı verilerden
anlamlı ilişkiler, ve modeller ortaya çıkarmaktır. Bunu
yaparken temel istatistik, veri tabanı ve makine öğrenme
yöntemleri kullanılır. Bu ders kapsamında sınıflandırma,
ilişkilendirme, ve gruplama ile ilgili temel veri
madenciliği teknikleri anlatılacak ve veri madenciliği
araçları ile bu modellerin farklı uygulamalardan elde
edilen veriler üzerinde nasıl kullanılacağı
anlatılacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 599 Seminer Dersi |
0 SU Kredi |
|
Bu kredisiz ders, Yüksek Lisans öğrencilerinin, bir
öğretim üyesinin danışmanlığında, gerçekleştirmeleri
beklenen tez araştırma ve yazma süreçlerinin sürekli
denetimi ve meslekdaşlar arasında tartışılması
için elverişli bir çerçeve oluşturmaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2020-2021 |
Seminer Dersi |
0 |
| Güz 2019-2020 |
Seminer Dersi |
0 |
| Güz 2018-2019 |
Seminer Dersi |
0 |
| Güz 2017-2018 |
Seminer Dersi |
0 |
| Güz 2016-2017 |
Seminer Dersi |
0 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 3 ECTS (3 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 600 Yüksek Lisans Tezi |
0 SU Kredi |
|
Bu kredisiz ders, Yüksek Lisans öğrencilerinin, bir öğretim
üyesinin danışmanlığında, ders ve seminer çalışmalarının
ikinci yılında gerçekleştirmeleri beklenen tez araştırma ve
yazma süreçlerinin sürekli denetimi ve meslektaşlar arasında
tartışılması için elverişli bir çerçeve oluşturmaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2022-2023 |
Yüksek Lisans Tezi |
0 |
| Güz 2022-2023 |
Yüksek Lisans Tezi |
0 |
| Bahar 2021-2022 |
Yüksek Lisans Tezi |
0 |
| Güz 2021-2022 |
Yüksek Lisans Tezi |
0 |
| Bahar 2020-2021 |
Yüksek Lisans Tezi |
0 |
| Güz 2020-2021 |
Yüksek Lisans Tezi |
0 |
| Bahar 2019-2020 |
Yüksek Lisans Tezi |
0 |
| Güz 2019-2020 |
Yüksek Lisans Tezi |
0 |
| Bahar 2018-2019 |
Yüksek Lisans Tezi |
0 |
| Güz 2018-2019 |
Yüksek Lisans Tezi |
0 |
| Bahar 2017-2018 |
Yüksek Lisans Tezi |
0 |
| Güz 2017-2018 |
Yüksek Lisans Tezi |
0 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 30 ECTS (30 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 801 Pazarlama Analitiği |
3 SU Kredi |
|
Bu ders, segmentasyon, hedefleme ve
konumlandırma, memnuniyet yönetimi, müşteri ömrü
analizi, müşteri tercihi ve birleşik analiz kullanarak
ürün ve fiyat kararları gibi alanlarda ampirik
verilerden pazarlama bilgileri oluşturmakla ilgilidir.
Pazarlama Mühendisliği yaklaşımına ve Excel
yazılımına dayalı uygulamalı bir ders olacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Pazarlama Analitiği |
3 |
| Bahar 2022-2023 |
Pazarlama Analitiği |
3 |
| Bahar 2021-2022 |
Pazarlama Analitiği |
3 |
| Bahar 2020-2021 |
Pazarlama Analitiği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 803 Operasyon Analitiği |
1.5 SU Kredi |
|
Bu ders firmaların operasyon yönetimi
fonksiyonunda çeşitli operasyonel, taktiksel ve
stratejik kararları için analitik yöntemleri
tanıtmaktadır. Ayrıntılı olarak ele alınan konular;
tahmin yöntemleri, belirleyici ve belirsiz talep altında
planlama, operasyon planlama ve çizelgeleme,
kuyruk teorisi, hizmet operasyonları yönetimi,
kapasite ve gelir yönetimi ve tedarik zinciri yönetimidir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2022-2023 |
Operasyon Analitiği |
3 |
| Güz 2022-2023 |
Operasyon Analitiği |
3 |
| Bahar 2021-2022 |
Operasyon Analitiği |
3 |
| Bahar 2020-2021 |
Operasyon Analitiği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 804 Yapay Zeka |
3 SU Kredi |
|
Bu ders yapay zekanın temel kavram ve tekniklerine geniş
bir teknik giriştir. Kapsanan konular: uzman sistemler,
kurala dayalı sistemler, bilgi gösterimi, arama, planlama,
belirsizlikle başetme, otomatik öğrenme ve yapay sinir
ağları. Bilgisayarlı görme, robotbilimi, doğal dil anlama
gibi, yapay zekanın önemli güncel
uygulama alanları tartışılacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 805 Tahmin Analitiği |
3 SU Kredi |
|
Bu ders denetimli ve denetimsiz istatistiksel öğrenme
modellerinde temel başlangıç konu ve metotlarını
içerir. Bu dersin ana başlıkları arasında çoklu
regresyon, lojistik regresyon, sınıflandırma, yeniden
örnekleme metotları, altküme seçimi, ridge, lasso ve
karar ağacı regresyonları, destek vektör makineleri,
ana bileşen analizi ve kümeleme konuları vardır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2023-2024 |
Tahmin Analitiği |
3 |
| Güz 2022-2023 |
Tahmin Analitiği |
3 |
| Güz 2021-2022 |
Tahmin Analitiği |
3 |
| Güz 2020-2021 |
Tahmin Analitiği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 806 Zaman Serileri Analizi |
3 SU Kredi |
|
Bu ders tahmin tekniklerine ve modellerine genel bir
bakış sunmaktadır. Zaman serileri için modelleme
yöntemleri: zamana bağlı mevsimsel bileşenler,
Otoregressif (AR), hareketli ortalama (MA) ve karışık
ARMA modelleri, rastgele Yürüyüş modeli, Box-
Jenkins metodolojisi, ARIMA ve VAR modelleri ile
tahminleme, ve zaman kaydırmalı açıklayıcı değişkenli
dinamik modeller incelenecektir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 807 Finans Analitiği |
3 SU Kredi |
|
Finans endüstrisinde karar vermede yararlı olan
yöntem ve araçlara giriş; makroekonomik olay
çalışmaları, dönem yapılarının analizi, Morningstar
özsermaye verileri, stil analizi, kredi kartı
alacakları, ticari analizler, uygulama algoritmaları
vb. verileri analiz etmede gerekli becerilere sahip
katılımcıları donatmak için karmaşık makine
öğrenme araçları ve algoritmalarına sahip
istatistiksel araçları kullanmak bu dersin kapsamındadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Finans Analitiği |
3 |
| Bahar 2022-2023 |
Finans Analitiği |
3 |
| Bahar 2021-2022 |
Finans Analitiği |
3 |
| Bahar 2020-2021 |
Finans Analitiği |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 809 Analitik Proje Yönetimi |
3 SU Kredi |
|
Bu ders, öğrencilere proje yönetiminin teorisini ve
uygulamalarını tanıtır. Bu derste karmaşık projelerin
nasıl yönetildiği ve bu tür projelerde yöneticilere
yardımcı olmak için ne tür araçların bulunduğu
incelenir. Proje ömrü dönüşümü/ proje ömrü
planlaması, iş dökümü yapısı, örgüt dökümü yapısı,
maliyet dökümü yapısı, grafiksel yöntemler, sıralama
diyagramları, şebeke analizi ve zamanlama teknikleri,
sistem ömür dönüşümü maliyeti, maliyet tahmin
metotlarını ve değiş-tokuş analizi, risk yönetimi, izleme
ve kontrol konuları bu dersin kapsamındadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Analitik Proje Yönetimi |
3 |
| Bahar 2022-2023 |
Proje Yönetimi |
3 |
| Bahar 2021-2022 |
Proje Yönetimi |
3 |
| Bahar 2020-2021 |
Proje Yönetimi |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 810 Siber Güvenlik |
3 SU Kredi |
|
Bu ders hızla gelişen siber güvenlik tehditlerinden
kaynaklanan yasal ve politika zorluklarını
incelemektedir. Konular arasında siber suçlar; dijital
imza kanunu; fikri mülkiyet hukuku; dijital iletişim
kanunu; siber suç olayları; dünyadaki siber güvenlik
yasaları ve düzenlemeleri; siber güvenlikte etik konular.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 816 Sosyal Medya Analitiği |
3 SU Kredi |
|
Bu ders, sosyal medyadaki etki ve merkeziyet,
ağlarda bilgi yayılımı, konu modelleme ve duyarlılık
analizi, sosyal botları belirleme ve davranışı
öngörme gibi sosyal veri analizindeki konuları
inceler. Bu ders yapay zeka, ağ analizi ve istatistiksel
yöntemlerin bu konuları incelemek için nasıl
kullanılabileceğini gösterecektir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 821 Optimizasyon ve Simulasyon |
3 SU Kredi |
|
Bu ders yönetimsel kararlara yardımcı olacak
matematiksel modellemenin temel ilkelerini ve
tekniklerini tanıtır. Öğrenciler analitik modellerin
geliştirilmesini ve doğrusal ve karma tamsayılı
programlama, Monte Carlo simülasyonu, kesikli olay
simülasyonu ve karar ağaçları gibi teknikleri
kullanmayı öğreneceklerdir. Uygulamalar, işletmelerin
çeşitli fonksiyonel alanlarında yaygın olarak kullanılan
modellerdir
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Optimizasyon ve Simulasyon |
3 |
| Bahar 2022-2023 |
Optimizasyon ve Simulasyon |
3 |
| Bahar 2021-2022 |
Optimizasyon ve Simulasyon |
3 |
| Bahar 2020-2021 |
Optimizasyon ve Simulasyon |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 827 Betimsel Analitik |
3 SU Kredi |
|
Dersin amacı temel istatistik kavramlarını tanıtmak ve bu
metodların çeşitli yönetim problemlerine nasıl
uygulanabileceği konusunda bir temel oluşturmaktır. Bu
amaçla, pratik uygulamalar ve vakaların üzerinde
durulacaktır. Ders sırasında birden fazla istatistiksel
analiz programı kullanılacaktır. Dersin içeriğinde
betimsel istatistik, olasılık dağılımları, hipotez testi,
regresyon, deney tasarımı ve varyans analizi gibi
konular bulunmaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2023-2024 |
Betimsel Analitik |
3 |
| Güz 2022-2023 |
Betimsel Analitik |
3 |
| Güz 2021-2022 |
Betimsel Analitik |
3 |
| Güz 2020-2021 |
Betimsel Analitik |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 831 Veri Ambarlama ve İş Zekası |
3 SU Kredi |
|
Bu ders, yapılandırılmış veri modellemenin temellerini
tanıtır, pratik SQL kodlama deneyimi kazandırır ve veri
ambarı tasarımı ve veri manipülasyonu hakkında
derinlemesine bir anlayış geliştirir. Ayrıca, gösterge
panoları oluşturmak için bir veri ambarı ortamında
büyük veri kümeleriyle çalışmayı sağlar ve çeşitli iş
zekası çözümlerini tanıtır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2023-2024 |
Veri Ambarlama ve İş Zekası |
3 |
| Bahar 2022-2023 |
Veri Ambarlama ve İş Zekası |
3 |
| Güz 2021-2022 |
Veri Ambarlama ve İş Zekası |
3 |
| Güz 2020-2021 |
Veri Ambarlama ve İş Zekası |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 835 Analitik için Bilişimsel Metodlar ve Enformasyon Teknolojisi |
3 SU Kredi |
|
Bu ders, iş analizi için en yaygın veri kaynağı ve türünün
oluşturulması, depolanması ve kullanılması için hem
işlevsel hem de teknik ortamı incelemektedir. Öğrenciler,
analiz için SQL, görselleştirmede toplama, MapReduce,
Apache Spark ve Graph veritabanlarını kullanarak bilgiye
nasıl erişileceğini ve bunlardan nasıl
yararlanabileceklerini öğreneceklerdir. Bu ders aynı
zamanda büyük verilerle başa çıkmak için kullanılan
Python ve R gibi bir dizi araç ve tekniği tanıtır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Güz 2023-2024 |
Analitik için Bilişimsel Metodlar ve Enformasyon Teknolojisi |
3 |
| Güz 2022-2023 |
Analitik için Bilişimsel Metodlar ve Enformasyon Teknolojisi |
3 |
| Güz 2021-2022 |
Analitik için Bilişimsel Metodlar ve Enformasyon Teknolojisi |
3 |
| Güz 2020-2021 |
Analitik için Bilişimsel Metodlar ve Enformasyon Teknolojisi |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 840 Dijital Dönüşüm ve İnovasyon |
1.5 SU Kredi |
|
Endüstride yaşanmakta olan dijital dönüşüm bir yandan
siber dünya ve fiziksel dünya diğer yandan da sınırların
belirsizleşmesi ve aralarında bir sinerji oluşmasına yol
açmaktadır. Karar vericilerin, firmalarının rekabetçiliğini
korumaları hatta geliştirmeleri için, bu dönüşümün
taşıyıcılığını yapan teknolojilerin, yaklaşımların ve iyi
örneklerin neler olduğunu ve gidişatın yönünü ise iyi
kestirmeleri gerekmektedir. Dijital dönüşüm, özellikle
küresel rekabet ortamında geleneksel dört operasyonel
öncelikleri (maliyet, kalite, esneklik ve teslim) arasına
anılmaya başlanan inovasyonun rolünün daha da
belirginleşmesini de sağlamıştır. Ders, bu bağlamlarda
bilinmesi gereken çeşitli kavramları, vakalar ve iyi
örnekler eşliğinde derinlemesine tartışılmasını
amaçlamaktadır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Dijital Dönüşüm ve İnovasyon |
1.5 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 845 Dijital Dönüşüm |
3 SU Kredi |
|
Bu ders, günümüz dijital çağındaki kuruluşların
stratejik ve örgütsel dönüşümünü hazırlamak için bir
genel bakış. Dijital dönüşüm, işletme dönüşümü, dijital
çağda iş süreçleri yönetimi, tasarım düşüncesi, iş
dönüşümünde BT'nin rolü, organizasyon değişikliği
yönetimi ve iş dönüşümü için kritik başarı faktörleri gibi
çevresel analizler gibi konuları kapsayacaktır.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 853 Veritabanı Yönetimi |
3 SU Kredi |
|
Bu dersin amacı öğrencilere temel kavram ve tekniklerin
yanında veritabanı tasarım ve yönetimi konusunda pratik
bilgiler vermektir. Ders kapsamındakiler arasında ilişkisel
veritabanı teorisi, dosya yapısı, indeksleme ve hesaba
dayalı adresleme, sorgu işleme, çöküş onarımı, koşut
zamanlılığı, kontrol/hareket işlem güvenliği ve bütünlük
sayılabilir. Tablo, index ve sinonim yaratılması detaylı
olarak incelenmektedir. SQL sözdizim ve
kullanımı örneklerle incelenmekte ve pratik
uygulamaları gerçekleştirilmektedir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 871 Tasarım Düşüncesi ve İş Hayatında Hikayeleştirmenin Gücü |
1.5 SU Kredi |
|
Bu ders öğrencilere tasarım düşüncesi ve hikayeleştirme
adlı yeni kavramları ve yöntemleri tanıtmayı
amaçlamaktadır. Tasarım düşüncesi şirketlerin inovasyon
sürecinde karşılaştığı belirsizliklerle başa çıkmaları için
kullanıcı merkezli inovasyonu ve deneyi öne çıkarır.
İnovasyon süreci kullanıcıların ürün/hizmet geliştirme ve
tasarım süreçlerine dahil edilmesi, sorunun çerçevesinin
çizilmesi, kullanıcılarla empati kurulması, deney ve
çeşitlilik gibi ilkelere dayalıdır. Yeni bir sorun çözme
yöntemi sunan Tasarım Düşüncesi deney yapmanın,
yaparak öğrenmenin, müşterileri dinlemenin, sorunlara
tatmin edici bir çözüm buluncaya kadar tekrar yapmanın
öneminin altını çizer. Girişimciler veya yöneticiler sadece
sorunlara kalıcı çözümler bulma ve etkili şekilde
inovasyon yapma konusunda değil sorunlara yönelik
çözümlerini ve inovasyonlarını müşterilere ve paydaşlara
anlatma zorluğuyla karşılaşırlar ve bu noktada anlatılar ve
hikayeler onların vizyonlarını ve yaptıkları inovasyonların
geleceği nasıl şekillendireceğini karşılarındaki kişilere
aktarmalarına yardım etmiştir. Bu hikayeler şirketler ve
paydaşlar arasındaki ve bunların kendi içindeki iletişimi
iyileştirse de, iş hayatında hikayeleştirmenin gücü büyük
ölçüde görmezden gelinmiştir. Bugün, sosyal medyanın
ve yeni iletişim kanallarının ve araçlarının yükselişiyle
birlikte, hikayeleştirme giderek daha kritik öneme sahip bir
yetenek/yetkinlik haline gelmiştir. Öğrencilere uygulamaya
dayalı beceriler kazandırmak bu derste kritik önemdedir
ve bu amaçla öğrencilerin iki proje üzerinde çalışması
gereklidir. Projelerden biri tasarım düşüncesi süreç ve
ilkelerinin uygulanmasına dayalıdır. Bu kapsamda
öğrencilerin bir sorunun çerçevesini çizmeleri, kalıcı bir
çözüm geliştirmeleri, kullanıcının/müşterinin sürece
katılımını sağlayan bir prototip geliştirmeleri ve sorunun
kalıcılığını görmek için çeşitli deneyler yapmaları
gerekmektedir. İkinci proje ise hikayeleştirme
uygulamalarına odaklanmaktadır; öğrencilerin ilk projede
geliştirdikleri inovasyon/çözüm için etkili bir hikaye
hazırlamaları gerekmektedir. Öğrencilerin ayrıca sınıf
arkadaşlarının anlattığı hikayeleri bileşenlerine ayırıp
analiz etmeleri gerekmektedir.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Tasarım Düşüncesi ve İş Hayatında Hikayeleştirmenin Gücü |
1.5 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 892 Uygulamalı İleri Analitik |
3 SU Kredi |
|
Bu ders öğrencilerin iş analitiğinde çok yönlü bir
yaklaşım ile uygulamalı olarak bitirme projesi
oluşturabilmesini hedefler. Ders, "CRISP-DM" süreç
modelini kullanarak "uçtan uca" iş analitiği yaklaşımını
tanıtmayı hedefler. Ayrıca modül boyunca öğrenciler
betimsel (descriptive), tahminci (predictive) ve önerici
(prescriptive) analitiğin detay konularını da öğrenirler.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Uygulamalı İleri Analitik |
3 |
| Bahar 2022-2023 |
Uygulamalı İleri Analitik |
3 |
| Bahar 2021-2022 |
Uygulamalı İleri Analitik |
3 |
| Bahar 2020-2021 |
Uygulamalı İleri Analitik |
3 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 10 ECTS (10 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
| BAN 899 Bitirme Projesi |
0 SU Kredi |
|
Programı takip eden öğrenciler bir proje hazırlamakla
yükümlüdürler. Projenin konusu ve içeriği öğrencinin
ilgi ve birikimine göre belirlenir ve proje yöneticisi
öğretim üyesi tarafından onaylanır. Projenin bitiminde
öğrenci proje yöneticisi tarafından onaylanan bir
sonuç raporu sunmakla yükümlüdür.
|
| Acilan Donemler |
Ders Ismi |
SU Kredi |
| Bahar 2023-2024 |
Bitirme Projesi |
0 |
| Bahar 2022-2023 |
Proje |
0 |
| Bahar 2021-2022 |
Proje |
0 |
| Bahar 2020-2021 |
Proje |
0 |
|
| Onkosul: __ |
| Yankosul: __ |
| ECTS Kredi: 20 ECTS (20 ECTS for students admitted before 2013-14 Academic Year) |
| Genel Kosullar : |
|
|
| |
