Veri Bilimi ve Makine Öğrenmesi (M.Sc.)

Teori: İstatistiksel öğrenme, olasılıksal modelleme, optimizasyon ve genelleme.

Uygulama: Derin öğrenme (görüntü/zaman serisi), coğrafi veya biyo/medikal veri uygulamaları, özellik mühendisliği ve doğruluk ötesinde değerlendirme (kalibrasyon, adalet).

Mühendislik: Tekrarlanabilirlik, sürümlü veriler/modeller, temel MLOps ve deney takibi.

Disiplinlerarası Çalışma: Gerçek veri kümeleri ve kısıtlamalar kullanan alan laboratuvarlarıyla (örneğin, çevresel, biyomedikal) projeler.

Etik ve Güvenlik: Önyargı, gizlilik ve model risk yönetimi; Şeffaf raporlama.

Tez Projesi: Kod, dokümantasyon ve hata analizi içeren yayınlanabilir veya üretime hazır proje.

Sonuçlar: Uygulamalı bilim insanı/DS rolleri, araştırma asistanlıkları, doktora süreçleri.