Mustafa Gökçe Baydoğan

This course will examine methods that proved to be useful in recognizing patterns and making predictions. We will review applications and provide an opportunity for hand-on experimentation with data mining algorithms. At the end of the course students will have developed an understanding of the strengths and limitations of popular methods to solve regression and classification problems in data mining.

A survey course for topics from data mining and machine learning is presented. Advantages and disadvantages of methods are discussed.The emphasis of this course is on data models and concepts, rather than inference.

Exploring data patterns; moving averages, simple and double exponential smoothing, smoothing methods with seasonal data, Holt-Winter method; simple and multiple regression; regression with time series data; ARIMA models; Box-Jenkins method for forecasting; demand management and applications.

Principles of quality control systems; process control concepts; specification and tolerances; process capability studies; control charts; acceptance sampling plans; cost aspects of quality decisions; quality improvement programs; quality information systems.

Örneklem ve örnekleme seçimi, verilerin düzenlenmesi ve analizi, merkezsel eğilim ölçülerin hesaplanması, dağılım ölçülerinin hesaplanması, noktasal tahmin edicilerin temel özelliklerinin incelenmesi, en büyük olabilirlik yönteminin incelenmesi ve uygulanması, güven aralıklarının kurulması, hipotez testleri, testin gücü ve P-değerinin hesaplanması, regresyon modellerinin incelenmesi, korelâsyon katsayısının önemliliğinin test edilmesi.

Endüstri mühendisliğine giriş ve yönlendirme: kavramlar ve yaklaşımlar; vaka çalışmaları ile süreç analizi ve modelleme; üretim ve hizmet sistemleri; temel veri analitiği; mühendislik etiği.