GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BMH246 | VERİ ANALİZİNE GİRİŞ | Ders | 2 | 4 | 4,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
İstatistiksel öğrenme yöntemleri kullanılarak, veri bilimi ve veri analizine giriş yapmak amaçlanmaktadır. Klasik istatistiksel yöntemler, hesaplama ve makine öğrenmesindeki yöntemlerin bilgisayar bilimindeki son gelişmelerle harmanlanarak sunulması amaçlanmaktadır. Ayrıca, veri analizi alanındaki yöntemlerin, örnek veri kümeleri üzerinde uygulanmasıyla, öğrencilerin veri analizi yöntemlerini kullanma konusunda deneyim kazanmaları hedeflenmektedir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Mehmet KARABULUT
Öğrenme Çıktıları
| 1 | Veri analizi ve veri bilimi alanındaki yöntem ve tekniklere ilişkin bilgi edinme. |
| 2 | Bilgisayar destekli veri analizi yapabilme becerisi. |
| 3 | Veriler üzerinde manipülasyon yapabilme, verileri görselleştirebilme, verilerin istatistiksel analizi ve veri ön işleme yapabilme becerisi kazanır. |
| 4 | Veri analizi ve veri bilimi yöntem ve tekniklerini kullanarak pratikteki problemleri modelleme ve çözme becerisi kazanır. |
| 5 | Makine öğrenmesi modelleri ile eğitim verilerini kullanarak tahminler yapabilme becerisi kazanır. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Büyük Veri Analizi ve Veri Bilimi, Veri Okuryazarlığı, Veri Manipülasyonu, Veri Entegrasyonu, İstatistikserl Analiz, Veri Görselleştirme, Makine Öğrenmesi, Sınıflandırma ve Regresyon, Kümeleme.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Veri Analizi ve Veri Bilimine Giriş | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 2 | Veri Okuryazarlığı | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 3 | Python Programlama | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 4 | Python Programlama | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 5 | Veri Manipülasyonu | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 6 | Veri Görselleştirme | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 7 | Veri Bilimi için İstatistik | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 8 | Veri Ön İşleme | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 9 | Makine Öğrenmesine Giriş | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 10 | Regresyon Modelleri | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 11 | Doğrusal Olmayan Regresyon Modelleri | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 12 | Sınıflandırma Problemleri | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 13 | Gözetimsiz Öğrenme | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 14 | Öğrenci Proje Sunumları | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. Media O., Grus J., “Data Science from Scratch”, 1. Baskı, 2015. 2. Introduction to Machine Learning with Python: A Guide for Data Scientists (2016) 3. Van Der Aalst, W., & van der Aalst, W. (2016). Data science in action (pp. 3-23). Springer Berlin Heidelberg.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 95 |
| Quiz | 1 | 5 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Final Sınavı | 1 | 1 | 1 |
| Uygulama Sınavı | 14 | 2 | 28 |
| Bireysel Çalışma | 14 | 2 | 28 |
| Ara Sınav İçin Bireysel Çalışma | 14 | 1 | 14 |
| Final Sınavı içiin Bireysel Çalışma | 2 | 3 | 6 |
| Okuma | 14 | 2 | 28 |
| Toplam İş Yükü (saat) | 105 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | |
| ÖÇ 1 | 5 | ||||||||||
| ÖÇ 2 | 5 | ||||||||||
| ÖÇ 3 | 5 | ||||||||||
| ÖÇ 4 | 5 | ||||||||||
| ÖÇ 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek