GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| EEMYL514 | VERİ BİLİMİNE GİRİŞ | Seçmeli Ders Grubu | 1 | 1 | 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 | Veriyi işleme ve analiz etme yetkinliği kazanır. |
| 4 | Veriyi işlemeyi ve manipüle etmeyi öğrenir. |
| 5 | Python ve veri biliminde kullanılan diğer temel araçlara aşina olur. |
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 Bilimine Giriş | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 2 | Veri Okuma, Yorumlama ve Analiz Etme | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 3 | İstatistiksel Analiz | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 4 | Python Programlama | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 5 | Numpy ve Pandas Kütüphanelerinin Kullanımı | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 6 | Veri İşleme Uygulaması | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 7 | Verilerin Grafiksel Olarak Betimlenmesi | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 8 | Aykırı Değerlerin Tespiti ve Eliminasyonu | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 9 | Makine Öğrenmesine Giriş | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 10 | Makine Öğrenmesi Algoritmaları-1 | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 11 | Makine Öğrenmesi Algoritmaları-2 | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 12 | Büyük Veri Analizi | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 13 | Metin Madenciliği | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
| 14 | Veri Tabanları | Aktif Ders Anlatımı ve Örnek Çözümü | Yok |
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) 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 | 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
Yok
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 | 4 | ||||||||||
| ÖÇ 2 | 5 | ||||||||||
| ÖÇ 3 | 5 | ||||||||||
| ÖÇ 4 | 4 | ||||||||||
| ÖÇ 5 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek