|
|
|
INSTITUTE OF GRADUATE STUDIES-COMPUTER ENGINEERING (WITH THESIS) (ENGLISH)
|
|---|
İSTANBUL AYDIN ÜNİVERSİTESİ
ISTANBUL AYDIN UNIVERSITY | | INSTITUTE OF GRADUATE STUDIES-COMPUTER ENGINEERING (WITH THESIS) (ENGLISH) | | SINIF: 1 - DÖNEM: 1 | | Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING | | FBE509E | SCIENTIFIC RESEARCH TECHNIQUES
SCIENTIFIC RESEARCH TECHNIQUES | Z | 3 | 0 | 3.0 | 6.0 | 3 | Araştırmanın felsefesi, yapısı ve araştırma çalışmasının bileşenleri incelenerek, bilimsel araştırma yaklaşımları, teoriye özgü tanımlar, bilimin temel nitelikleri, pozitivizm, hipotez, gözlem, araştırma konusu ve probleminin seçimi, amaç ve önemin ortaya konulması ve araştırma önerisinin oluşturulması gibi bilimselliğe hizmet eden yöntemler açıklanacaktır. Tez yazım kuralları, kaynakça hazırlama, makale ve rapor yazım kuralları ve etik kurallar anlatılacaktır. | Research design; Literature search and review; Scientific writing and presentation; Critical scientific review; Data types and data collection techniques; Quantitative and qualitative methods and data analyses; Ethical issues. | | SINIF: 1 - DÖNEM: 2 | | Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING | | LEE520 | INTRODUCTİON TO THESİS AND SEMİNAR
INTRODUCTİON TO THESİS AND SEMİNAR | Z | 0 | 0 | 0.0 | 12.0 | 0 | Öğrenciye seminerini hazırlarken kaynak kullanmayı öğretir. Kaynakların nasıl belirleneceği, konuyla ilgili her türlü kaynaktan usulüne göre nasıl kaynak gösterileceği aktarılır. Öğrencinin hakim olduğu bir konuyu anlatabilme ve topluluk önünde konuşabilme yeteneğinin geliştirilmesi sağlanır. | It teaches the student to use sources while preparing his/her seminar. It is conveyed how to determine the sources, how to refer to all kinds of sources related to the subject. It is ensured that the student develops the ability to explain a subject he/she has mastered and to speak in front of the public. | | COM501 | MATHEMATİC FOR MACHİNE LEARNİNG
MATHEMATİC FOR MACHİNE LEARNİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | COM502 | MOBİLE AND WİRELESS NETWORKS
MOBİLE AND WİRELESS NETWORKS | S | 3 | 0 | 3.0 | 6.0 | 3 | İşlenen konulara radyo yayılım modelleri, gelecek nesil kablosuz ağlar, cep telefon ağları, ağ ve hareketlilik yönetimi, ağlarda kalite servisi, kuyruklama kuramı, kablosuz örgü ağları, dinamik dağılım yönetimi, bilişsel radyo ağları, kablosuz yerel ağlar, araçlar arası iletişim ve kablosuz özel amaca yönelik ağlar dahildir. | Topics covered include radio propagation models, next generation wireless networks, mobile phone networks, network and mobility management, quality service in networks, queuing theory, wireless mesh networks, dynamic dispersion management, cognitive radio networks, wireless local area networks, vehicular communication and wireless special purpose networks. | | COM503 | ADVANCED DATA AND NETWORK SECURİTY
ADVANCED DATA AND NETWORK SECURİTY | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | COM504 | ADVANCED SOFTWARE ENGİNEERİNG
ADVANCED SOFTWARE ENGİNEERİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | COM505 | ADVANCED WEB PROGRAMMİNG
ADVANCED WEB PROGRAMMİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | COM506 | ADVANCED DATABASE SYSTEMS
ADVANCED DATABASE SYSTEMS | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | COM507 | ALGORİTHMS AND PROGRAMİNG
ALGORİTHMS AND PROGRAMİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | Algoritma kavramı, akış şemaları, programlama ve programlama dili, yapısal programlama kavramı, diziler, sıralama ve arama algoritmaları, matrisler, dosyalar, alt program ve fonksiyonlar, özyineleme ve özyinelemeli alt programları içermektedir. | Algorithm concept, flowcharts, programming and programming language, structural programming concept, arrays, sorting and searching algorithms, matrices, files, subroutines and functions, recursion and recursive subroutines. | | COM511 | DATA SCIENCE
DATA SCIENCE | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | SEN501 | CALCULUS FOR DATA SCIENCE
CALCULUS FOR DATA SCIENCE | S | 3 | 0 | 3.0 | 6.0 | 3 | Veri bilimi aktiviteleri, veri analizi araçları, veri görselleştirme, veri türleri, türler arası dönüşümler, veri tabloları üzerinde operasyonlar, veri önişleme, öznitelik analizi, boyut indirgeme, istatistiki, gözetimli ve gözetimsiz öğrenme, veri bilimi projelerinde örnek uygulamalar. | Data science activities, data analysis tools, data visualization, data types, transformations between types, operations on data tables, data preprocessing, attribute analysis, dimension reduction, statistics, supervised and unsupervised learning, sample applications in data science projects. | | SEN503 | ARTIFICIAL INTELLIGENCE
ARTIFICIAL INTELLIGENCE | S | 3 | 0 | 3.0 | 6.0 | 3 | Bilgi temsili, sezgisel arama, oyun oynama, tümdengelimli akıl yürütme, belirsizlik altında akıl yürütme, planlama, öğrenme, (doğal) dil anlayışı ve felsefi temeller. | Knowledge representation, heuristic search, game playing, deductive reasoning, reasoning under uncertainty, planning, learning, (natural) language understanding, and philosophical foundations. | | SEN515 | ADVANCED DATA MİNİNG
ADVANCED DATA MİNİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | Veri madenciliğine konusuna bir giriş olan bu ders temel Veri Önişleme, İlişkilendirme Kuralları, Sınıflandırma ve Demetleme algoritmaları ve bunların uygulamalarını içerir. Dersin son bölümleri ise veri madenciliği ile Saldırı Tespiti ve Metin/Web Madenciliği gibi ileri konulara ayrılmıştır. | As an introduction to data mining, this course covers basic Data Preprocessing, Association Rules, Classification and Bunching algorithms and their applications. The last part of the course is devoted to advanced topics in data mining such as Intrusion Detection and Text/Web Mining. | | SEN520 | MACHİNE LEARNİNG
MACHİNE LEARNİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | Mühendislik problemlerini tanımlama, formüle etme ve makine öğrenmesi yöntemleriyle çözme, mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bir bağlamda etkisini anlama. | Defining, formulating and solving engineering problems using machine learning methods, understanding the impact of engineering solutions in a global, economic, environmental and societal context. | | SEN522 | DIGITAL SIGNAL PROCESSING
DIGITAL SIGNAL PROCESSING | S | 3 | 0 | 3.0 | 6.0 | 3 | Ayrık zamanda işaretler, Örnekleme, İşaretin geriçatılması, Ayrık zamanda sistemler, Katlama, Fark denklemi, Ayrık Zamanlı Fourier Dönüşümü, Ayrık Zamanlı Fourier Serisi, Hızlı Fourier Dönüşümü, Frekans domeninde sistem transfer fonksiyonu, Z dönüşümü, Z domeninde sistem transfer fonksiyonu, FIR ve IIR süzgeç yapıları | Discrete time signals, Sampling, Signal recovery, Discrete time systems, Folding, Difference equation, Discrete Time Fourier Transform, Discrete Time Fourier Series, Fast Fourier Transform, System transfer function in frequency domain, Z transform, System transfer function in Z domain, FIR and IIR filter structures | | SEN528 | BIG DATA
BIG DATA | S | 3 | 0 | 3.0 | 6.0 | 3 | Yüksek boyutlu veri analizi, sınıflandırma, maliyet fonksiyonları, greedy arama, lojistik regresyon, düzenlileştirme yöntemleri, topluluk yöntemleri, kümeleme, boyut indirgeme. | High dimensional data analysis, classification, cost functions, greedy search, logistic regression, regularization methods, ensemble methods, clustering, dimension reduction. | | SEN531 | ARTIFICAL NEURAL NETWORKS
ARTIFICAL NEURAL NETWORKS | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | SEN532 | DEEP LEARNİNG
DEEP LEARNİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | Derin öğrenme dersi, yapay öğrenmenin bir alt dalı olan derin öğrenme yöntemlerinin teorik ve pratik yönlerini içerir, büyük veri analizi, bilgisayarla görme ve doğal dil işleme gibi alanlarda kullanılan derin sinir ağı mimarileri, optimizasyon algoritmaları ve uygulama alanları üzerine odaklanırken, öğrencilere pratik deneyim kazandırır. | Deep learning course covers the theoretical and practical aspects of deep learning methods, a sub-branch of machine learning, focusing on deep neural network architectures, optimization algorithms and application areas in areas such as big data analysis, computer vision and natural language processing, while providing students with practical experience. | | SEN534 | NATURAL LANGUAGE PROCESSİNG
NATURAL LANGUAGE PROCESSİNG | S | 3 | 0 | 3.0 | 6.0 | 3 | | | | SINIF: 2 - DÖNEM: 1 | | Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING | | LEE500-3 | MASTER’S THESİS-I
MASTER’S THESİS-I | Z | 0 | 0 | 0.0 | 30.0 | 0 | Yüksek lisans çalışmasının her adımını yüksek lisans düzeyinde bire bir yürütmek, sorunun net bir tanımını sağlamak, konuyla ilgili ayrıntılı ve eksiksiz bir literatür taraması sağlamak. | Conducting each step of the master's study one-to-one at the master's level, providing a clear definition of the problem, providing a detailed and complete literature review on the subject. | | SINIF: 2 - DÖNEM: 2 | | Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING | | LEE500-4 | MASTER’S THESİS-II
MASTER’S THESİS-II | Z | 0 | 0 | 0.0 | 30.0 | 0 | Yüksek lisans çalışmasının her adımını yüksek lisans düzeyinde bire bir yürütmek, sorunun net bir tanımını sağlamak, konuyla ilgili ayrıntılı ve eksiksiz bir literatür taraması sağlamak. | Conducting each step of the master's study one-to-one at the master's level, providing a clear definition of the problem, providing a detailed and complete literature review on the subject. |
|
