GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| EEMYL514 | VERİ BİLİMİNE GİRİŞ | Seçmeli Ders Grubu | 1 | 2 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Matematiksel ve İstatistiksel yöntemler kullanılarak veri bilimine ve veri analizine giriş yapılması amaçlanmaktadır. İstatistiksel yöntemler, hesaplamalar ve makine öğrenmesi algoritmalarının birlikte kullanılarak sunulması ve çeşitli örneklerinin bulunduğu veri dosyaları üzerinde uygulanarak sonuçlar elde edilmesi hedeflenmektedir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğretim Üyesi Mehmet KARABULUT
Öğrenme Çıktıları
| 1 | Veri bilimi alanındaki yöntemlere ve tekniklere ilişkin bilgi edinir. |
| 2 | Veri bilimi alanındaki yöntemleri ve teknikleri kullanarak pratikteki problemleri modelleme becerisi kazanır. |
| 3 | Veri bilimi alanındaki yöntemleri ve teknikleri kullanarak pratikteki problemleri çözme becerisi kazanır. |
| 4 | Makina öğrenmesi algoritmalarını kullanmayı öğrenir. |
| 5 | Veriyi işlemeyi ve manipüle etmeyi öğrenir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
-
Ders İçin Önerilen Diğer Hususlar
-
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 Bilimine Giriş | ||
| 2 | Veri Okuma, Yorumlama ve Analiz Etme | ||
| 3 | İstatistiksel Analiz | ||
| 4 | Python Programlama | ||
| 5 | Numpy ve Pandas Kütüphanelerinin Kullanımı | ||
| 6 | Veri İşleme Uygulaması | ||
| 7 | Verilerin Grafiksel Olarak Betimlenmesi | ||
| 8 | Aykırı Değerlerin Tespiti ve Eliminasyonu | ||
| 9 | Makine Öğrenmesine Giriş | ||
| 10 | Makine Öğrenmesi Algoritmaları-1 | ||
| 11 | Makine Öğrenmesi Algoritmaları-2 | ||
| 12 | Büyük Veri Analizi | ||
| 13 | Metin Madenciliği | ||
| 14 | Veri Tabanları |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. Practical Statistics for Data Scientists : 50 Essential Concepts Copertina flessibile (2017) 2. Introduction to Machine Learning with Python: A Guide for Data Scientists (2016)
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 60 |
| Proje Hazırlama | 1 | 40 |
| 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
-
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 15 | 15 |
| Proje Sunma | 1 | 30 | 30 |
| Bireysel Çalışma | 1 | 20 | 20 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 30 | 30 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 30 | 30 |
| Toplam İş Yükü (saat) | 126 | ||
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 | 5 | 4 | 5 | 4 | 3 | 3 | 2 | 3 | 1 | 1 |
| ÖÇ 2 | 5 | 5 | 4 | 5 | 4 | 3 | 3 | 2 | 3 | 1 | 1 |
| ÖÇ 3 | 5 | 4 | 4 | 5 | 4 | 3 | 3 | 2 | 2 | 1 | 1 |
| ÖÇ 4 | 5 | 4 | 4 | 4 | 5 | 4 | 3 | 1 | 2 | 1 | 1 |
| ÖÇ 5 | 5 | 5 | 4 | 5 | 4 | 3 | 3 | 2 | 3 | 1 | 1 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek