Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
6END316Tahmin Teknikleri3+0+03428.11.2025

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Lisans
Bölümü / Programı Endüstri Mühendisliği
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Zaman serisi analizi ve tahmin teknikleri kavramlarının ve endüstri mühendisliği alanında uygulanabilirliğinin öğrencilere öğretilmesi.
Dersin İçeriği Tahmin yöntemlerinin seçimi, paket programlar ile uygulanması ve bulguların yorumu bu dersin içeriğini oluşturmaktadır.
Dersin Yöntem ve Teknikleri - Ders Anlatımı
- Uygulamalı ders
- Soru-Cevap
- Sunum
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Doç. Dr. Muhammed ORDU
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Sunular
Ders Notları 1. Makridakis S, Wheelwright SC, Hyndman RJ, (1998). Forecasting Methods and Applications. John Wiley & Sons, New York, USA.
2. Hyndman RJ, Athanasopoulos G, (2014). Forecasting Principles and Practice. Otexts.
Dökümanlar Sunular
Sınavlar Ara Sınav ve Yarıyıl Sonu Sınavı

Ders Yapısı
Matematik ve Temel Bilimler %30
Mühendislik Bilimleri %40
Alan Bilgisi %30

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 40
Yarıyıl Sonu Sınavı 1 % 60
Toplam :
2
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 3 42
Sınıf Dışı Ç. Süresi 16 3 48
Ara Sınavlar 1 3 3
Yarıyıl Sonu Sınavı 1 3 3
Toplam İş Yükü   AKTS Kredisi : 4 96

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Farklı tahmin yöntemlerini tanımlar, sınıflandırır ve uygulama alanlarını açıklar.
2 Zaman serisi, ARIMA ve üstel düzeltme modellerini analiz eder, yorumlar ve uygun modeli seçer.
3 Regresyon ve yapay sinir ağı tabanlı tahmin yaklaşımlarını uygular, karşılaştırır ve sonuçlarını değerlendirir.
4 Tahmin modellerinin doğruluk ve performans ölçütlerini hesaplar, yorumlar ve model iyileştirme önerileri geliştirir.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Tahmin tekniklerine giriş: Tahmin tekniklerine giriş; temel kavramlar, tahmin türleri, hata ölçütleri.
2 Zaman serisi analizi: Zaman serisi analizi; trend, mevsimsellik, durağanlık, otokorelasyon incelemeleri.
3 ARIMA: ARIMA modelleri; AR, MA, ARMA yapıları, p–d–q parametreleri, ACF–PACF yorumları.
4 ARIMA Uygulamaları: ARIMA uygulamaları; gerçek veri setleri, model seçimi, parametre değerlendirmeleri.
5 Üstel düzeltme: Üstel düzeltme yöntemleri; tek, çift ve üçlü üstel düzeltme, Holt–Holt-Winters modelleri.
6 Üstel düzeltme uygulamaları: Üstel düzeltme uygulamaları; parametre ayarlamaları, performans karşılaştırmaları.
7 Regresyon analizi: Regresyon analizi; basit ve çoklu regresyon modelleri, varsayımlar ve model yapısı.
8 Regresyon analizi uygulamaları: Regresyon analizi uygulamaları; ANOVA sonuçları, model performansı, hata ölçütleri.
9 Yapay sinir ağları: Yapay sinir ağları; temel mimariler, aktivasyon fonksiyonları, öğrenme süreçleri.
10 Yapay sinir ağları uygulamaları: Yapay sinir ağları uygulamaları; veri hazırlama, eğitim–test ayrımları, performans incelemeleri.
11 Sunumlar: Öğrenci sunumları; proje içerikleri ve değerlendirme süreci.
12 Sunumlar: Öğrenci sunumları; analiz karşılaştırmaları ve geri bildirimler.
13 Sunumlar: Öğrenci sunumları; ileri uygulama örnekleri.
14 Sunumlar: Öğrenci sunumları; dönem genel değerlendirmesi.

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13
Tüm 3 3 1 3 2 1 1 1 2 1 1 1 1
Ö1 3 2 1 2 1 1 1 1 2 1 1 1 1
Ö2 3 3 1 3 2 1 1 1 2 1 1 1 1
Ö3 3 3 1 3 2 1 1 1 2 1 1 1 1
Ö4 3 3 1 3 2 1 1 1 2 1 1 1 1

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.osmaniye.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=287116&lang=tr