• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS DSM 5012 Uygulamalı Zaman Serisi Analizi SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. BURCU HÜDAVERDİ AKTAŞ

Dersi Alan Birimler

Veri Bilimi Yüksek Lisans Veri Bilimi Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Zaman serisi verilerinin karakteristiklerini öğrenmek 2   Durağan ve durağan olmayan zaman serisi modellerini öğrenmek 3   Otokorelasyon ve kısmi otokorelasyon fonksiyonunu kullanabilmek 4   Zaman serilerini modellemek (tanımlama, parametre tahmini ve model seçimi) 5   Mevsimsel zaman serilerini modellemek (tanımlama, parametre tahmini ve model seçimi) 6   Zaman serisi modelinin anlamlılığını ve yeterliliğini test etmek 7   Yeterli zaman serileri modelini kullanarak ileriye yönelik öngörülerde bulunmak

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Zaman Serileri Verilerinin Karakteristikleri,durağanlık 2 Zaman serisinin bileşenleri 3 Düzleştirme teknikleri: Üssel, Çift Üssel Yöntemler,Winter Yöntemi 4 Korelogram, Otokorelasyon Fonksiyonu, Kısmi Otokorelasyon Fonksiyonu 5 Mevsimsel olmayan Otoregresif-Hareketli Ortalama Modelini ARMA (p, q) /ARIMA(p,d,q) tanımlama 6 Tahmin, Model Teşhisi, Öngörü ARMA (p, q)/ ARIMA(p,d,q)Modelleri 7 Proje Sunumu 1 8 Mevsimsel Otoregresif Hareketli Ortalama Modeli tanımlama SARIMA(p,d,q)(P,D,Q) 9 Tahmin, Model teşhisi, Öngörü / Mevsimsel SARIMA(p,d,q)(P,D,Q)Modelleri 10 ARCH-GARCH Modeller ile oynaklığın modellenmesi 11 Yapay sinir ağları ve zaman serisi modellemesi 12 Yapay sinir ağlarında Uzun-Kısa Süreli Hafıza Modelleri (LSTM) 13 Destek Vektör Makinalarında Zaman serisi tahmini (SVM) 14 Proje Sunumu 2

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ders kitabı ve R uygulamaları

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 ARS ARASINAV 3 PRJ PROJE 4 YSBN YIL SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.40 + PRJ * 0.30

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 13 2 26 Uygulama 13 1 13 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Final Sınavına Hazırlık 1 30 30 Sunum Hazırlama 2 40 80 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 190

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 ÖK.1 5 5 ÖK.2 5 5 5 ÖK.3 5 5 5 ÖK.4 5 4 4 ÖK.5 5 4 4 5 ÖK.6 5 5 ÖK.7 5 5