A graduate-level course on modeling systems that evolve randomly over time and deciding how to act when the future is uncertain. You'll work through Markov chains, Markov decision processes, renewal and queueing models, and stochastic dynamic programming for inventory and production, mostly via four problem sets plus a midterm and final that push you to formulate real systems and compute their long-run performance. It builds on undergraduate probability and IE 400-level optimization, and sits at the analytical core of OR, feeding directly into queueing networks, simulation, supply chain analytics, and most operations-focused PhD research.
→ STARS müfredatı (resmi syllabus)
İzlencede 1 midterm var, ağırlığı %30. Final %40. Kalan %30 dersin öteki kalemlerinde. Tam dağılım aşağıda.
Bilkent kataloğunda bu ders için ön koşul yazılı değil.
İzlencede zorunlu kitap: Introduction to probability models, Ross, Sheldon M., 2010/10th (Several editions that are available at the library), Elsevier. İzlence toplam 2 kaynak sayıyor.
3 Bilkent kredisi, 5 AKTS.
| Kalem | Ağırlık | Notun (100 üzerinden) |
|---|---|---|
| MT1 | %30 | |
| HW | %30 | |
| F | %40 |
Ağırlıklar IE 534 izlencesinden. Hocanın bu dönemki dağılımı farklı olabilir; bağlayıcı olan ders izlencesidir. Harf notu sınırlarını hoca belirliyor, o yüzden hedefi sen giriyorsun. İzlencede FZ şartı var, sayfanın sonundaki kutuda.
Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.
İlk dosyayı sen atarsan: not, slayt, geçmiş sınav, çözüm, cheat-sheet, ne varsa. defter ekibi öğrenci paylaşımlarından bu dersin notlarını yazar. Drive linki / PDF / ZIP, hepsi olur.
20% of the graded assessments.