| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Karar Analizi I | MIS 307 | 3 | 1 | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Belirli bir karar problemini çözmek için matematiksel modellemeyi kullanabilir. |
| 2. Bir işletme problemini doğrusal programlama problemi olarak formüle edebilir ve grafiksel ve simpleks yöntemleri kullanarak çözebilir. |
| 3. Tamsayılı programlama ve hedef programlama problemlerini formüle edebilir ve çözebilir. |
| 4. Yöneticilerin ve tüketicilerin karşılaştığı bazı karar problemlerini doğrusal olmayan optimizasyon problemlerine dönüştürüp çözebilir. |
| 5. İşletme ve tüketici karar problemlerinin çözümünde Lagrange çarpanı, Kuhn-Tucker koşulları ve kuadratik programlama yöntemlerini uygulayabilir. |
| 6. R programı kullanarak doğrusal ve doğrusal olmayan programlama problemlerini çözebilir ve program çıktılarını yorumlayabilir. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, iki dönemlik karar analizi ders serisinin ilk bölümü olup belirlilik altında yönetsel ve tüketici karar verme davranışlarına odaklanmaktadır. Derste, öğrencilere işletmelerin ve tüketicilerin nasıl karar aldıklarını anlamalarına yardımcı olacak niceliksel yöntemler tanıtılmaktadır. Ele alınan konular arasında doğrusal programlama problemlerinin çözümü için grafiksel ve simpleks yöntemler; duyarlılık analizi ve gölge fiyatlar, dualite, büyük M yöntemi, tamsayılı programlama, hedef programlama, eşitlik kısıtlamaları altında doğrusal olmayan programlama, Kuhn-Tucker optimalite koşulları ve kuadratik programlama yer almaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
ChatGPT, Copilot, Claude ve Gemini gibi üretken yapay zeka araçları, bu derste tamamlayıcı öğrenme araçları olarak kullanılacaktır. Öğrencilerin, zorlandıkları konularda bu yapay zeka araçlarını kullanmaları, kendi çözümlerini yapay zeka tarafından üretilen yanıtlarla karşılaştırmaları ve adım adım çözümleri analiz ederek hatalarını veya daha verimli yaklaşımları belirlemeleri teşvik edilecektir. Bu uygulama, öğrencilerin optimizasyon tekniklerini daha derinlemesine anlamalarına, eleştirel düşünme becerilerini geliştirmelerine ve problem çözme verimliliklerini artırmalarına yardımcı olurken, yapay zeka tarafından üretilen çözümlerin güçlü ve zayıf yönlerine dair içgörüler kazanmalarını sağlayacaktır. Yapay zeka araçları tamamlayıcı bir destek olarak kullanılacak olsa da, öğrenciler yapay zeka çıktılarının eleştirel bir şekilde değerlendirilmesi ve bağımsız analitik düşünme becerilerinin geliştirilmesi konusunda yönlendirilecektir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Doğrusal Programlama: Model Formülasyonu ve Grafiksel Çözüm I |
| 2 | Doğrusal Programlama: Model Formülasyonu ve Grafiksel Çözüm II |
| 3 | Duyarlılık Analizi ve Gölge Fiyatlar |
| 4 | Simpleks Yöntemi: Formundaki Kısıtlarla Maksimizasyon |
| 5 | Dual Problem: Formundaki Kısıtlarla Minimizasyon |
| 6 | Büyük M Yöntemi |
| 7 | Ara Sınav |
| 8 | Tamsayılı Programlama |
| 9 | Ulaşım, Aktarma ve Atama Problemleri |
| 10 | Hedef Programlama |
| 11 | Doğrusal Olmayan Programlama: Lagrange Çarpanları |
| 12 | Doğrusal Olmayan Programlama: Kuhn–Tucker Koşulları |
| 13 | Doğrusal Olmayan Programlama: Kuadratik Programlama |
| 14 | R ile Doğrusal ve Doğrusal Olmayan Programlama Problemlerinin Çözümü |
| |
| Kaynaklar: |
| (1) Taylor, Bernard W. (2019), Introduction to Management Science, 13th edition. Pearson. (ISBN: 9780137503933).
(2) Barnett, R. A. et al. (2019), Finite Mathematics for Business, Economics, Life Sciences, and Social Sciences, 14th edition. Pearson. (ISBN: 9780134675985). |
| |
| Diğer Kaynaklar: |
| (1) Camm, Jeffrey D., et al. (2023), An Introduction to Management Science: Quantitative Approaches to Decision Making, 16th edition. Cengage Learning. (ISBN: 9780357715468).
(2) Winston, Wayne W. (2003), Operations Research: Applications and Algorithms, 4th edition, Cengage Learning. (ISBN: 9780534380588). |
| |
| Öğretim Yöntem ve Teknikleri: |
| Öğretim stratejisi çoğunlukla derslere ve problem çözmeye dayanmaktadır. Sınıf için tartışmalara katılmaları beklenen öğrenciler soru sorma ve düşüncelerini paylaşma konularında teşvik edilirler. Ders sorumlusu, öğrencilerin ders materyali hakkındaki sorularını cevaplamak ve onlara yardımcı olmak için düzenli görüşme saatlerine sahiptir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %40 |
| Final Sınavı | 1 | %40 |
| Ödev | 1 | %20 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Bilişim teknolojileri altyapısını öğrenmek ve gelişmeleri takip etmek. | 0 |
| 2 | Örgüt yapısına uygun bilişim sistemleri tasarlamak. | 0 |
| 3 | Yazılım bilgileri edinmek ve etkin bir şekilde kullanabilmek. | 4 |
| 4 | Veri toplama, temizleme ve saklama yöntemlerini öğrenmek. | 0 |
| 5 | Gelecekteki veri ve yazılım gereksinimlerini tahmin edebilmek. | 2 |
| 6 | Firma içindeki veri odaklı yönetim süreçlerini takip etmek. | 2 |
| 7 | "Büyük Veri" kullanarak bilgi elde etme yöntemlerini öğrenmek. | 0 |
| 8 | Bilgi teknolojilerindeki gelişmeleri takip etmek. | 2 |
| 9 | Bir kuruluşun bilgi teknolojileri ve veri problemlerini anlamak ve değerlendirmek. | 1 |
| 10 | Veri toplama, yorumlama, analiz etme ve yayma süreçlerinde bilimsel, sosyal ve etik standartları korumak. | 4 |
| 11 | Bilgi sistemleri arasındaki birlikte çalışabilirliği anlamak. | 0 |
| 12 | İş ortamını anlamak ve değerlendirmek. | 4 |