Önceliklendirme ve sıralama: ödünleşimleri görünür kılmak
Bir sıralama ancak kriterleri, ağırlıkları ve sonucun duyarlılığı görünür kaldığında değerlidir.
Karar bilimi · Uygulamalı yapay zekâ · İşletme analitiği
Prof. Dr. Ömer Faruk Rençber
Veriden karara.Karardan ölçülebilir sonuca.
Kurumların belirsizlik altında daha iyi seçimler yapması için karar modelleri, makine öğrenmesi uygulamaları ve açıklanabilir analitik yaklaşımlar geliştiriyorum.
01 · Kanıt02 · Model03 · Sonuç
Konuk ders · Uygulamalı AIDoğrulanmış etki2026
600+Atıf12h-index30+Yayın
Profesör · Karar bilimi · Uygulamalı yapay zekâProfesör · Karar bilimi · Uygulamalı yapay zekâ
33Yayınhakemli üretim
6Destekli projefon destekli çalışma
28Akademik sunumakademik etkileşim
14Açık materyalPDF erişimli öğretim
Uzmanlık
Karar kalitesini artıran üç çalışma alanı.
Yöntem seçimi teknoloji modasına göre değil; kararın yapısına, verinin niteliğine ve çıktının nasıl kullanılacağına göre yapılır.
- 01
Karar sistemi tasarımı
Çatışan kriterler, sınırlı kaynaklar ve çoklu paydaşlar içeren kararlar için şeffaf ve savunulabilir modeller.
- 02
Uygulamalı AI ve analitik
Kurumsal veriyi eyleme dönük kanıta çeviren istatistiksel ve makine öğrenmesi yaklaşımları.
- 03
Yönetici eğitimi ve kurumsal yetkinlik
Yöneticilerin veri, modeller, AI fırsatları ve karar kalitesi üzerine düşünmesini sağlayan kanıta dayalı çalışmalar.
Karar bilimi notları
Kavramı açıklayan, yöntemi bağlama yerleştiren kısa bilimsel yazılar.
02Kavram rehberi
Tek bir oranın ötesinde performans değerlendirme
Performans; sonuçlar kaynak, risk, kalite ve faaliyet bağlamıyla ilişkilendirildiğinde eyleme dönüşür.
03Kavram rehberi
Belirsizlik altında alternatif ve tedarikçi seçimi
En ucuz alternatif en yüksek toplam riski yaratabilir; yapılandırılmış seçim bu ödünleşimi denetlenebilir kılar.
Kurumlar İçin
Analitik doğruluk tek başına yetmez. Model, gerçek karara bağlanmalıdır.
Kurumlarla çalışma yaklaşımı; problemi doğru çerçevelemek, uygun yöntemi kurmak ve çıktıyı yöneticilerin kullanabileceği açıklıkta sunmak üzerine kuruludur.
Çalışma biçimlerini inceleyin →Araştırma programı
Karar modelleri, makine öğrenmesi ve ölçülebilir işletme performansı.
Çalışmalar istatistiksel modellemeyi çok kriterli karar verme, finansal performans analizi ve yapay zekâ destekli işletme uygulamalarıyla birleştirir.
- Çok kriterli karar vermeTOPSIS, PROMETHEE, VIKOR, WASPAS, CoCoSo, BWM ve karma sıralama tasarımlarıyla karmaşık yönetim kararları.
- İşletmede makine öğrenmesiFinans, bankacılık, lojistik ve girişimcilikte sınıflandırma, kümeleme, topluluk öğrenmesi ve tahmin modelleri.
- İstatistik eğitimi ve açık materyalNicel yöntemleri kullanılabilir pratiğe çeviren erişilebilir PDF ders notları ve uygulamalı istatistik kaynakları.
- 2024
Advances in Transportation Studies: An International Journal
- 2024
Mathematical Modeling and Numerical Simulation with Applications
- 2024
Sakarya University Business Institute Journal
Bilgiyi dolaşıma sokmak
Araştırma, öğretim ve uluslararası etkileşim aynı programın parçalarıdır.
Açık ders materyalleri ve uygulamalı konuşmalar, nicel yöntemleri yalnız yayınlarda değil gerçek öğrenme ve karar ortamlarında da kullanılabilir kılar.
Web platformları
Bilimsel yöntemleri kullanılan dijital sistemlere dönüştürüyorum.
01scholargate.app
ScholarGate
Bilim kütüphanesini açın.
02decisionmind.app
DecisionMind
Ham kriterlerden savunulabilir kararlara.
03lacunamind.app
Lacuna
Savunulabilir araştırma boşlukları için araştırma zekâsı.
04papermind.app
PaperMind
Araştırma platformu · Yayına hazırlanıyor
Açık kaynaklar
Kullanılabilir bilgi ve geliştirilmiş araçlar.
Data-Driven Sustainability: AI Agents, Big Data and Innovative Business Practices
Data Is the New Oil: Fueling the Future Economy
İstatistik 1. Konu — İstatistiğe Giriş, Temel Kavramlar ve Grafikler
İşbirliği
Karar probleminizi yöntem listesinden önce konuşalım.
Araştırma ortaklığı, kurumsal uygulama, konuşma veya eğitim için bağlamı paylaşın.
İletişim