| 1 | Bir-boyutlu Lineer-olmayan Nümerik Optimizasyon: Türev Bilgisi Kullanan Yöntemler: Newton-Raphson Yöntemi: İkiye Bölme Yöntemi | |
| 2 | Bir-boyutlu Lineer-olmayan Nümerik Optimizasyon: Türev Bilgisi Kullanmayan Yöntemler: Altın Bölme Yöntemi. Bir-boyutlu Nümerik Optimizasyonun Önemi | |
| 3 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: Problemin Tanımı, Genel Güncelleme Kuralı, Matematiksel Temeller | |
| 4 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: Optimallik için Analitik Koşullar | |
| 5 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: Birinci-dereceden Yöntemler: Dik İniş Yöntemi (Steepest-Descent), Conjugate-Gradient (Fletcher-Reeves) Yöntemi | |
| 6 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: İkinci-dereceden Yöntemler: Newton Yöntemi | |
| 7 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: İkinci-dereceden Yöntemler: Değiştirilmiş Newton Yöntemi, Cholesky Faktörizasyonu | |
| 8 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: Newton-benzeri (Quasi-Newton) Yöntemler: Davidon-Fletcher-Powell Yöntemi, Broydon-Fletcher-Goldfarb-Shanno Yöntemi | |
| 9 | ARA SINAV | |
| 10 | Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon: İkinci-dereceden Yaklaşık Yöntemler: Gauss-Newton (GN) Yöntemi, Levenberg-Marquardt Yöntemi | |
| 11 | Uygulamalar: Regresyon: Tek-Girişli Tek-Çıkışlı (SISO) Regresyon Problemi: Polinom Modeli, RBF Modeli, Üstel Model | |
| 12 | Uygulamalar: Regresyon: Tek-Girişli Tek-Çıkışlı (SISO) Regresyon Problemi: SISO-Yapay Sinir Ağı (YSA) Modeli | |
| 13 | Uygulamalar: Regresyon:Çok-Girişli tek-Çıkışlı MISO Regresyon Problemi: MISO- Yapay Sinir Ağı (YSA) Modeli | |
| 14 | Uygulamalar: Regresyon:Çok-Girişli tek-Çıkışlı MISO Regresyon Problemi: MISO- Yapay Sinir Ağı (YSA) Modeli ile modelleme ve tahmin | |