ECTS - - Yazılım Mühendisliği Tezli Y.Lisans

Zorunlu Bölüm Dersleri

MDES602 - Araştırma Yöntemleri ve Etik (3 + 0) 10

Bu derste öğrencilere araştırma yöntemleri, veri toplama prensipleri ve uygulamaları hakkında bilgi aktarılacaktır. Bu kapsamda, bilimsel araştırma ve yayın süreçlerinde uyulması gereken etik kurallar ile veri toplanması, analizi ve raporlanması aşamalarındaki etik sorumluluklar ele alınacaktır.

SE521 - Yazılım Mühendisliği Prensipleri ve Uygulamaları (3 + 0) 10

Yazılım mühendisliğine giriş. Yazılım süreç modelleri. Çevik geliştirme. UML ile gereksinim modellemesi. Mimari, bileşen-düzeyli ve kullanıcı arayüz tasarımı. Kalite kavramları. Güvenlik mühendisliği. Konfigürasyon yönetimi. Yazılım projeleri için tahminleme. Risk yönetimi. Proje yönetimi kavramları.

SE523 - Yazılım Kalitesi Kuramı (3 + 0) 10

Yazılım kalite ve güvencesine giriş. Yazılım kalite metrikleri. Yazılım kalite güvencesi oluşturmak. Konfigürasyon yönetimi. Yazılım onaylama ve doğrulama. Gözden geçirme, denetim ve kontrol. Yazılım süreçlerinin geliştirme modelleri. Yazılım test stratejileri ve test teknikleri. Yazılım süreç geliştirme ve kalite metrikleri üzerine örnek çalışmalar.

SE889 - Yüksek Lisans Semineri (0 + 0) 10

Bu seminer dersinde, tezli yüksek lisans öğrencilerinin, tez çalışmaları hakkında bir sunum yapmaları ve diğer öğrencilerin ve akademisyenlerin seminerlerine aktif katılım sağlamaları beklenmektedir.

SE897 - Yüksek Lisans Tezi (0 + 0) 60

Tez protokolünde belirtilen tez konusu.

Seçmeli Dersler

SE544 - Yazılım Mühendisliğinin Bilişsel Yönleri (3 + 0) 5

Bilişsel bilimler ve metodlarına giriş; yazılım mühendisliği ile ilgili bilişsel süreçler (bellek, uzmanlık, dikkat, karar verme ve problem çözme, takımsal biliş); temel deneysel tasarım; yazılım mühendisliğinin bilişsel yönleri üzerine yapılmış örnek araştırmaların incelenmesi.

SE559 - Yazılım Sınaması ve Bakımı (3 + 0) 5

Sınamanın temelleri; yazılım yaşam döngüsü etrafında sınama; sınamanın yaşam döngüsü; statik sınama teknikleri; sınama tasarım teknikleri; kusur yönetimi.

SE573 - Veri Analitiğinde Uygulamalı Makine Öğrenme (3 + 0) 5

Data istatistik hesapları; doğrusal ayırt edici analiz; karar verme ağaçları; yapay sinir ağları; Bayes öğrenme; veri mesafe ölçümleri; anlık ve takviyeli öğrenme; küme analizi; regresyon; destek vektör makinesi.