İSTANBUL AYDIN ÜNİVERSİTESİ
ISTANBUL AYDIN UNIVERSITY |
| INSTITUTE OF GRADUATE STUDIES-COMPUTER ENGINEERING (DOC)(MASTER LEVEL) |
| SINIF: 1 - DÖNEM: 1 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| BYL501 | BİLİMSEL ARAŞTIRMA YÖNTEMLERİ
SCIENTIFIC RESEARCH METHODS | Z | 3 | 0 | 3.0 | 9.0 | 3 | Bilim ve araştırma kavramları, bilimsel araştırmanın doğası, bilimsel yöntemler ve özellikleri, problem ve araştırma modeli, verilerin toplanması, verilerin kaydedilmesi, analizi, yorumlanması ve raporlaştırılması, makale veya bildiri yazım yöntemleri. | Science and research concepts, structure of scientific research, scientific methods, problem and research model, data collection, storing, analysis, comment and reporting of a reserach, formats of preparation of a paper or manuscript. |
| BYL563 | İLERİ ALGORİTMA ANALİZİ
ADVANCES ALGORITHMS ANALYSIS | Z | 3 | 0 | 3.0 | 7.0 | 3 | Algoritmanın anlamsal ve teorik tanımı, gösterilme metotları, karmaşıklık kavramının teorik ve pratik temelleri, karmaşıklığı belirleme stratejileri,greedy-metotlar, böl-ve-çöz yaklaşımları, iterativ ve rekursiv çözüm yöntemleri, ağaç formlu yapılar. | Meaning of an algorithm and its teoretical foundations. complexity of algorithms, mathematical methods to determining of algorithm!s complexity, practical methods to estimate running times, algorithm design strategies, divide-and-conquer method, greedy methods, tree-like structures and algorithms, iterative and recursive approachs. |
| FBE501 | BİLİMSEL ARAŞTIRMA YÖNTEMLERİ
SCIENTIFIC RESEARCH METHODS | Z | 3 | 0 | 3.0 | 6.0 | 3 | Bu ders araştırma sürecinde yürütülmesi gereken faaliyetleri, araştırma modeli kurmayı, bilgi toplamayı, toplanan bilgileri analiz edip yorumlamayı ve araştırma raporunun biçimini kapsamaktadır. | This course is in the process of research activities that should be executed, to establish a research model, collecting information, analyze and interpret the collected information, and the format of the research report covers. |
| SINIF: 1 - DÖNEM: 2 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| BYL505 | ANLAMSAL WEB SİSTEMLERİ
SEMANTIC WEB SYSTEMS | S | 3 | 0 | 3.0 | 6.0 | 3 | Semantik Web ve teknolojileri, ontoloji dillerini geliştirme ve yönetme, ontoloji yolu ile çıkarsama | Semantic Web and Technologies, Learning and Develop Ontology Languages, ontology reasoning |
| BYL507 | YAZILIM MÜHENDİSLİĞİ
SOFTWARE ENGINEERING | S | 3 | 0 | 3.0 | 6.0 | 3 | Yazılımın önemi, yazılım sanayii, yazılım mühendisliği yöntemleri, gereksinme analizi, tasarım, kodlama ve test süreçleri, bu süreçlerde kullanılan araç ve yöntemler, yazılım projesi projelendirme, yazılım kalite kavramları | Software engineering methods will be covered in the SDLC with special focus on planning and quality. |
| BYL508 | YAPAY US
ARTIFICIAL INTELLIGENCE | S | 3 | 0 | 3.0 | 6.0 | 3 | Dersin içeriğinde yapay us sistemleri ve bu sistemlerin programlama algoritmaları yer almaktadır. | This course covers artificially intelligent systems and the programming algorithms of these systems. |
| BYL574 | YAPAY SİNİR AĞLARI
INTRODUCTION TO NEURAL | S | 3 | 0 | 3.0 | 6.0 | 3 | Sinir ağları kavramları, yapay ağlarda öğrenme ve bilgi depolama, çağrışımsal bellekler: Hopfield ve Kanerva modelleri, saklama kapasiteleri, Hata düzeltme | Concepts of neural networks, learning and information storage in neural networks, associative memories: Hopfield's and Kanerva's models, Storage capacities, Error correction |
| BYL578 | OTOMATİK ÖĞRENME
AUTOMATIC LEARNING | S | 3 | 0 | 3.0 | 6.0 | 3 | Lineer sınıflandırma ve Perceptron algoritması, azami kenar sınıflandırması, lineer dönüşüm ve lineer olmayan tahminler, çekirdek içi dönüşüm, destek vektör makinası, özellik seçimi ve kuvvetlendirme, beklenti maksimizasyonu algoritması, istatistiki beklentiler, saklı Markov modelleri ve Bayes ağları. | Linear classification and Perceptron Algorithm, maximum margin classification, linear
regression and non-linear predictions, kernel regression, support vector machine, feature
selection and boosting, expectation maximization algorithm, statistical expectations, hidden
Markov models and Bayesian networks. |
| BYL631 | MOBİL VE KABLOSUZ AĞLAR
MOBILE AND WIRELESS NETWORKS | S | 3 | 0 | 3.0 | 7.0 | 3 | İşlenen konulara radio yayılım modelleri, gelecek nesil kablosuz ağlar, cep telefon ağları, ağ ve hareketlilik yönetimi, ağlarda kalite servisi, kuyruklama kuramı, kablosuz örgü ağları, dinamik spektrum yönetimi, bilişsel radyo ağları, kablosuz yerel ağlar, araçlar arası iletişim ve kablosuz özel amaca yönelik ağlar dahildir. | As the subject is fairly new, survey papers and research papers will drive the course, along with student projects and presentations on selected papers of their choice. |
| BYL633 | BİLGİSAYAR AĞLARINDA PERFORMANS ANALİZİ
PERFORMANCE ANALYSIS ON COMPUTER NETWORKS | S | 3 | 0 | 3.0 | 7.0 | 3 | Bilgisayar ağlarının tanımı. Farklı ağların kullanım alanları. LAN ve WAN tasarımının önemli yönleri. Yüksek hızlı ağlar (ATM). Dijital veri haberleşme sistemlerinin performans kriterleri. Bilgisayar ağları için simülasyon araçları. Değişik bilgisayar ağlarının modellenmesi. Bilgisayar ağlarının performans analizi. | Design, implementation, and analysis of computer networks and data communications systems. Detailed examination of modern communication standards, protocol systems and their implementation. Transmission technology, packet switching, routing, flow control, and protocols. Performanse evaluation of various networks. |
| BYL644 | BÜYÜK VERİ YÖNETİMİ
MASSIVE DATA MANAGEMENT | S | 3 | 0 | 3.0 | 6.0 | 3 | Büyük verinin mahremiyeti, riskleri ve korunması için alınması gereken önlemler, büyük verinin sınıflandırılması ve ontoloji, büyük veri entegrasyonu, analizi ve madenciliği, OLAP, hızlı büyüyen yüksek hacimli verilerle işlemler gibi konuları içermektedir. | How several key technologies and applications are driving the big data revolution, How nanodata and nowcasting can be used to improve forecasts and predictions, Common pitfalls in using big data, The design of controlled experiments to sort out causality |
| BYL652 | DAĞITIK SİSTEMLER
DISTRIBUTED SYSTEMS | S | 3 | 0 | 3.0 | 6.0 | 3 | Dağıtık Sistemlerinde İletişim,Süreç,İsimlendirme, Dağıtık İstemlerinde Senkronizasyon, Tutarlılık ve Çoğaltma,Toleranslı Sistemleri,Güvenlik | Introduction to Distributed Systems,Communication of Distributed Systems,Process and Threads,Naming Synchronization of Distributed Systems,Consistency and Replication,Fault Tolerance,Security |
| BYL654 | BİLİŞİM SİSTEMLERİ YÖNETİMİ
INFORMATION SYSTEMS MANAGEMENT | S | 3 | 0 | 3.0 | 6.0 | 3 | Dersin kapsamında yenilik süreçleri, kuramları ve planlaması, Ar-Ge yönetimi, ürün ve süreç yenilikçiliği ve etik değerler açısından yenilik ve teknoloji konuları bulunmaktadır. | Dersin kapsamında yenilik süreçleri, kuramları ve planlaması, Ar-Ge yönetimi, ürün ve süreç yenilikçiliği ve etik değerler açısından yenilik ve teknoloji konuları bulunmaktadır. |
| BYL676 | KODLAMA KURAMLARI
CODING THEORY | S | 3 | 0 | 3.0 | 6.0 | 3 | Bu dersin içeriğiTemel tanımlar, hata düzeltme kodlarına giriş, kodlama kuramının temel problemi, lineer Kodlar , lineer kodlarla kodlama ve kod çözme, sendrom çözümleme, devresel kodlar BCH , Reed-Solomon ve devirli kodlar, kuadratik kalan kodları, dual kod, parity- check matrisi, Hamming kodları, yetkin kodlar, Golay Kodları, MDS kodları, ağırlık sayaçları, ağırlık dağılımları, Kodların İnşasından oluşur.. | This course covers Error Detection, Error Correction and Decoding; communication channels, maximum likelihood decoding, hamming distance, distance of a code, Finite Fields; fields, polynomial rings, structure of finite fields, minimal polynomials. Linear Codes; vector spaces over finite fields, hamming weight, bases for linear codes, generator matrix and parity-check matrix, equivalence linear code, encoding and decoding of linear codes, syndrome decoding. Bounds in Coding Theory, Construction of Linear Codes; Propagation rules, Reed-Mullercode, Cyclic Codes; BCH codes, Reed-Solomon codes, Goppa Codes. |
| FBE502 | İSTATİSTİK ANALİZ YÖNTEMLERİ VE UYGULAMALARI
STATISTICAL ANALYSIS METHODS AND APPLICATIONS | S | 3 | 0 | 3.0 | 6.0 | 3 | Bu ders araştırma sürecinde yürütülmesi gereken faaliyetleri, araştırma modeli kurmayı, bilgi toplamayı, toplanan bilgileri analiz edip yorumlamayı ve araştırma raporunun biçimini kapsamaktadır. | This course covers the activities to be carried out in the research process, establishing a research model, collecting information, analyzing and collecting the collected information, and the format of the research report. |
| SINIF: 2 - DÖNEM: 1 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| FBE600-1 | TEZ
THESIS | Z | 0 | 0 | 0.0 | 30.0 | 0 | Doktora Tez Çalışması | Doctoral Thesis |
| SINIF: 2 - DÖNEM: 2 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| BYL680 | SEMİNER
SEMINAR | Z | 0 | 0 | 0.0 | 6.0 | 0 | Düşünülen tez konusu hakkında araştırma yapmak. | Thesis work plan to deal with the cause of the problem, the objectives and the content of the framework creates. |
| FBE600-2 | TEZ
THESIS | Z | 0 | 0 | 0.0 | 30.0 | 0 | Yüksek lisans tez çalışması. | Doctoral Studies |
| SINIF: 3 - DÖNEM: 1 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| FBE600-3 | TEZ
THESIS | Z | 0 | 0 | 0.0 | 30.0 | 0 | Doktora tez çalışmaıs | Doctoral thesis study |
| SINIF: 4 - DÖNEM: 2 |
| Ders Kodu | Ders Adı | DT | T | P | K | ECTS | H.S. | İçerik TR | İçerik ING |
| FBE600-4 | TEZ
THESIS | Z | 0 | 0 | 0.0 | 30.0 | 0 | Doktora tez çalışması | Doctoral thesis study |
