ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE

Syllabus ( TTI 514 )

   Basic information
Course title: Modeling and Statistical Data Analysis in Smart City Applications
Course code: TTI 514
Lecturer: Instructor Sevcan IŞIKAY
ECTS credits: 7,5
GTU credits: 3 (3+0+0)
Year, Semester: 1/2, Spring
Level of course: Second Cycle (Master's)
Type of course: Area Elective
Language of instruction: Turkish
Mode of delivery: Face to face
Pre- and co-requisites: none
Professional practice: No
Purpose of the course: Teaching real problem analysis and software-supported mathematical modeling in application areas of smart city and transportation engineering; Giving the optimization and statistical methods needed in both theoretical and practical matters.
   Learning outcomes Up

Upon successful completion of this course, students will be able to:

  1. To understand which mathematical method will be used to solve a problem encountered in smart city application.

    Contribution to Program Outcomes

    1. Akıllı Şehir ve Ulaşım teknolojileri araştırma alanındaki literatürü dikkatlice gözden geçirip, kendi sonuçları ile mevcut literatür arasında bağlantı kurmak (2)
    2. Gelişmiş mühendislik ve planlama problemlerini formüle edip çözmek (4)
    3. Akıllı Şehir ve Ulaşım teknolojileri alanındaki modern ekipman ve yazılımları kullanmak, ilgili teknik becerilerden faydalanmak (5)
    4. Bilimsel bilgiye ulaşmak (6)
    5. Mevcut bilgiyi geliştirme yöntemleri bulmak (10)

    Method of assessment

    1. Written exam
    2. Homework assignment
  2. To understand data and numerical operations relating to thematic applications.

    Contribution to Program Outcomes

    1. Akıllı Şehir ve Ulaşım teknolojileri araştırma alanındaki literatürü dikkatlice gözden geçirip, kendi sonuçları ile mevcut literatür arasında bağlantı kurmak (2)
    2. Gelişmiş mühendislik ve planlama problemlerini formüle edip çözmek (4)
    3. Akıllı Şehir ve Ulaşım teknolojileri alanındaki modern ekipman ve yazılımları kullanmak, ilgili teknik becerilerden faydalanmak (5)
    4. Bilimsel bilgiye ulaşmak (6)
    5. Mevcut bilgiyi geliştirme yöntemleri bulmak (10)
    6. Araştırma konusu ile ilgili fikir ve bulgularını, farklı argümanlar ile destekleyip resmi/gayri resmi şekilde bir grup dinleyiciye çeşitli tekniklerle net bir biçimde sunmak (11)

    Method of assessment

    1. Written exam
    2. Homework assignment
  3. To determine appropriate solutions to application problems under constraints.

    Contribution to Program Outcomes

    1. Akıllı Şehir ve Ulaşım teknolojileri araştırma alanındaki literatürü dikkatlice gözden geçirip, kendi sonuçları ile mevcut literatür arasında bağlantı kurmak (2)
    2. Gelişmiş mühendislik ve planlama problemlerini formüle edip çözmek (4)
    3. Akıllı Şehir ve Ulaşım teknolojileri alanındaki modern ekipman ve yazılımları kullanmak, ilgili teknik becerilerden faydalanmak (5)
    4. Bilimsel bilgiye ulaşmak (6)
    5. Mevcut bilgiyi geliştirme yöntemleri bulmak (10)
    6. Araştırma konusu ile ilgili fikir ve bulgularını, farklı argümanlar ile destekleyip resmi/gayri resmi şekilde bir grup dinleyiciye çeşitli tekniklerle net bir biçimde sunmak (11)

    Method of assessment

    1. Written exam
    2. Homework assignment
  4. To determine the relationships between variables and application analysis needs.

    Contribution to Program Outcomes

    1. Akıllı Şehir ve Ulaşım teknolojileri araştırma alanındaki literatürü dikkatlice gözden geçirip, kendi sonuçları ile mevcut literatür arasında bağlantı kurmak (2)
    2. Gelişmiş mühendislik ve planlama problemlerini formüle edip çözmek (4)
    3. Akıllı Şehir ve Ulaşım teknolojileri alanındaki modern ekipman ve yazılımları kullanmak, ilgili teknik becerilerden faydalanmak (5)
    4. Bilimsel bilgiye ulaşmak (6)
    5. Mevcut bilgiyi geliştirme yöntemleri bulmak (10)
    6. Araştırma konusu ile ilgili fikir ve bulgularını, farklı argümanlar ile destekleyip resmi/gayri resmi şekilde bir grup dinleyiciye çeşitli tekniklerle net bir biçimde sunmak (11)

    Method of assessment

    1. Written exam
    2. Homework assignment
   Contents Up
Week 1: Real problem analysis and mathematical modeling in smart cities
Week 2: General properties of matrices
Week 3: Linear programming and applications
Week 4: Nonlinear programming and applications
Week 5: Integer and complex integer programming and applications
Week 6: Graph theory, basic principles, graph types
Week 7: Graph theory in optimization problems
Week 8: Midterm, homework for optimization application
Week 9: Statistical methods and distributions commonly used in smart city applications
Week 10: Tests related to distributions
Week 11: Analysis of variance
Week 12: Correlation
Week 13: Regression analysis, homework for statistics application
Week 14: Problem definition and solution in smart city applications
Week 15*: -
Week 16*: Final Exam
Textbooks and materials: Ders slaytları
Recommended readings: -Ravindran A., K.M. Ragsdell K.M., G.V. Reklaitis, “Engineering Optimization, Methods and Applications”, Second Edition, John Wiley & Sons., 2006

-Washington S.P., Karlaftis M.G., Mannering F.L., “Statistical and Econometric Methods for Transportation Data Analysis”, Second Edition, CRC Press, Taylor and Francis Group, 2011
  * Between 15th and 16th weeks is there a free week for students to prepare for final exam.
Assessment Up
Method of assessment Week number Weight (%)
Mid-terms: 8 30
Other in-term studies: 0
Project: 0
Homework: 8, 14 30
Quiz: 0
Final exam: 16 40
  Total weight:
(%)
   Workload Up
Activity Duration (Hours per week) Total number of weeks Total hours in term
Courses (Face-to-face teaching): 3 14
Own studies outside class: 4 14
Practice, Recitation: 4 1
Homework: 2 4
Term project: 0 0
Term project presentation: 0 0
Quiz: 0 0
Own study for mid-term exam: 6 5
Mid-term: 2 1
Personal studies for final exam: 8 5
Final exam: 3 1
    Total workload:
    Total ECTS credits:
*
  * ECTS credit is calculated by dividing total workload by 25.
(1 ECTS = 25 work hours)
-->