Cyprus International University Course Portal

This course focuses on learning data science through the interest to development and improvement of capability of solving rich problems from data point of view in a systematic and principled way by using high quality instructions and basic level data science techniques. Students will be introduced to what data science is, will discover the applicability of data science across fields, and will learn how data analysis can help them make data driven decisions. Students will gain familiarity with various open source tools and data science programs used by data scientists, like Jupyter Notebooks, RStudio, GitHub, and SQL. This course provides the students with the required structure and responsibilities in order to educate them as data scientists progressing a right way with high concluding capabilities.

Bu derste, kökleri bilgisayar bilimi, yapay zeka ve istatistik olan istatistiksel makine öğrenimi işlenir ve bilgisayarların 'öğrenme' süreciyle performanslarını iyileştirmelerine, karar vermelerine ve tahmin etmelerine olanak tanıyan geniş bir algoritma anlayışı sağlanır. Derste temel yöntemler öğretilir ve gerçek verilere uygulanır. Başlıktaki istatistiksel terimi, makine öğrenimine baskın yaklaşımlar oluşturan istatistiksel teknikleri vurgular. Ders, metodolojiyi teorik temeller, hesaplama unsurları ve istatistiksel teori konularıyla bütünleştirir ve öğrencilere modern istatistiksel makine öğrenimi yöntemlerinin ardındaki temel fikirleri ve sezgileri sağlar. Bu dersi tamamlayan öğrencilerin, konuşma tanıma, internet arama, biyoinformatik, görüntü ve ses sinyali analizi, veri madenciliği ve keşifsel veri analizi konularında denetimli ve denetimsiz öğrenme yaklaşımlarını öğrenmeleri beklenmektedir.

In this course, statistical machine learning which has roots in computer science, artificial intelligence and statistics is covered and a broad understanding of algorithms that allow computers to improve their performance through the process of ‘learning’ and enable them to make decisions and predictions is provided. Fundamental methods are taught and applied to real data. The term statistical in title emphasizes the statistical techniques, which form dominant approaches to machine learning. The course integrates methodology with theoretical underpinnings, computational elements, and statistical theory issues. By completion of this course, students are expected to learn about supervised and unsupervised learning approaches to speech recognition, internet search, bioinformatics, image and audio signal analysis, data mining and exploratory data analysis.

The concepts of data science will be covered throughout the course from a variety of angles, including conceptual formulation and properties, solution algorithms and their applications, data visualization for exploratory data analysis, and the appropriate presentation of modeling outcomes. With the use of real-world examples, students will understand the purpose, effectiveness, and constraints of models. Upon completion of the course, students will be able to comprehend the contemporary data science landscape and technical terminology, identify key concepts and tools in the field of data science and determine when they can be applied effectively. Students will also be able to recognize the significance of curating, organizing, and wrangling data, explain uncertainty, causality, and data quality and anticipate the effects of data use and misconduct.

Makine öğrenimi kavramı ve altında yatan olasılıksal ve istatistiksel yaklaşımlar bu derste baştan sona geniş çaplı bir şekilde ele alınmaktadır. Veri bilimi için makine öğrenimi kavramı çok değişkenli veri analizi için gerekli araç ve tekniklere odaklanılarak kapsamlı bir şekilde gözden geçirilmektedir. Bu dersi alan öğrencilerin temel matematik ve Phyton programlama altyapısına sahip olmaları beklenmektedir. Bu dersi tamamlayan öğrenciler belirsiz verileri olasılıksal modeller ile ele almak için gerileme, sınıflandırma, kümeleme, boyutluluk indirgeme ve değerlendirme yöntem ve tekniklerini uygulama becerilerine sahip olacaklardır. Bu dersi tamamlayan öğrenciler, deneme yanılma yoluyla kendi kurallarını ortaya koyarak problem çözebilen sistemleri, verilerdeki örüntüleri otomatik olarak tanımlayan sistemlerle karşılaştırabileceklerdir.

In this course, the concept of machine learning and its underlying probabilistic and statistical approaches will be covered extensively with a focus on the tools and techniques required for multivariate data analysis. Students taking this course are expected to have basic mathematics and Python programming background. Students completing this course will have the skills to apply regression, classification, clustering, dimensionality reduction and evaluation methods and techniques to handle uncertain data with probabilistic models. Upon completion of this course, students will be able to compare systems that can solve problems by coming up with their own rules via trial and error with systems that automatically identify patterns in data.

The growth of digital marketing is the most important yet unpredictable trend in marketing today. How can the online world be harnessed by the companies of today and tomorrow to grow their marketing impact? What role do information and databases have to play in this system? And why do some non-digital means of direct marketing still remain so powerful?  this course brings great expertise across direct, database and digital marketing to provide comprehensive, compelling coverage of the key theory and debates of the fields.                                     

Bu dersin amacı dental anestezi araçlarını, lokal anestezik ilaçları, dental anestezi yöntemlerini, dental anestezinin lokal ve sistemik komplikasyonlarını öğretmektir. Dent306 Dental Anestezi dersinden sorumlu öğrencianestezinin tanımını ve kullanım alanlarını anlar, anestezi yapılacak ilgili kraniyal sinirler ve anatomik oluşumları kavrar. Anestezi yaparken dikkat edilmesi gereken klinik kurallar ve genel kuralları öğrenir. Dental anestezi araç ve gereçlerini kavrar. Lokal anestezik ilaçları ve etki mekanizmalarını öğrenir. Vazokonstrüktörleri tanımlar. Öğrenci aynı zamanda maksilla ve mandibulada yapılan dental anestezi türleri ve yöntemlerini belirler. Dental anestezi sonrasında oluşabilecek lokal ve genel komplikasyonlarıanları açıklar. Premedikasyon, sedasyon ve genel anesteziyi öğrenir. Premedikasyon ve sedasyon ajanlarını tanımlar.

Types of radiographs used in the maxillofacial region, pathologies in the jaws and their radiographic appearances