Genel Bilgi
Kod | CEN136 |
Ad | Introduction to Data Science |
Dönem | 2024-2025 Eğitim-Öğretim Yılı |
Yarıyıl | 2. Yarıyıl |
Süre (T+U) | 3-0 (T-U) (17 Hafta) |
AKTS | 6 AKTS |
Yerel Kredi | 3 Yerel Kredi |
Eğitim Dil | İngilizce |
Seviye | Lisans Dersi |
Tür | Normal |
Öğretim Şekli | Yüz Yüze Öğretim |
Bilgi Paketi Koordinatörü | Mehmet SARIGÜL |
Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Bu ders, yeni başlayanlar için veri bilimindeki ana kavramlara geniş bir genel bakış sunmaktadır. Veri bilimi görevlerini gerçekleştirmek için bir dizi ön araç ve teknik sunar. Dersin sonunda öğrenciler verilerin farklı özelliklerine (yapı, boyut ve tür) ilişkin temel bilgileri öğrenecek ve verileri özelliklerine göre kategorilere ayırabilecektir.
Dersin İçeriği
Bilimde, toplumda, iş dünyasında veri bilimi, Farklı veri türleri (istatistiksel, yapılandırılmış, yapılandırılmamış, büyük veri, ...), veri bilimcinin görevleri, veri toplama, veri ön işleme, keşfedici veri analizi: özet istatistikler, sunum, görselleştirme
Dersin Ön Koşulu
Basit algoritma bilgisi
Kaynaklar
Ders notları
Notlar
Introducing Data Science Big Data, Machine Learning, and More, Using Python Tools
Dersin Öğrenme Çıktıları
Sıra | Dersin Öğrenme Çıktıları |
---|---|
ÖÇ01 | Öğrenciler, veri biliminin temel kavramlarını ve ilkelerini tanımlar. |
ÖÇ02 | Öğrenciler, farklı veri tiplerini ve bunların çeşitli kaynaklardan nasıl elde edilebileceğini tanımlar. |
ÖÇ03 | Öğrenciler, veri toplama, temizleme, keşfetme, analiz etme ve sonuçları yorumlama sürecinin aşamalarını kavrar |
ÖÇ04 | Öğrenciler, veri bilimi için yaygın olarak kullanılan araçları ve teknolojileri tanır ve temel düzeyde bu araçları kullanabilir. |
Program Öğrenme Çıktıları ile İlişkisi
Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
---|---|---|---|
PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 5 |
PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | 2 |
PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | |
PÖÇ04 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | 3 |
PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | 5 |
PÖÇ06 | Bilgi - Kuramsal, Olgusal | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | |
PÖÇ07 | Bilgi - Kuramsal, Olgusal | Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | 3 |
PÖÇ08 | Bilgi - Kuramsal, Olgusal | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | |
PÖÇ09 | Bilgi - Kuramsal, Olgusal | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | |
PÖÇ10 | Bilgi - Kuramsal, Olgusal | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | |
PÖÇ11 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. |
Haftalık Akış
Hafta | Konu | Ön Hazırlık | Yöntemler |
---|---|---|---|
1 | Dersin tanıtımı ve temel kavramlar | Dersin tanıtımı ve temel kavramlar | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
2 | Veri tipleri, veri kaynakları ve veri bilimi süreci | Veri tipleri, veri kaynakları ve veri bilimi süreci | Öğretim Yöntemleri: Anlatım, Tartışma |
3 | Veri toplama yöntemleri ve veri kaynaklarının değerlendirilmesi | Veri toplama yöntemleri ve veri kaynaklarının değerlendirilmesi | Öğretim Yöntemleri: Anlatım |
4 | Veri temizleme teknikleri ve veri kalitesi | Veri temizleme teknikleri ve veri kalitesi | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
5 | Veri keşfi için temel teknikler ve görselleştirme araçları | Veri keşfi için temel teknikler ve görselleştirme araçları | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
6 | Veri görselleştirme uygulamaları ve görsel analiz | Veri görselleştirme uygulamaları ve görsel analiz | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
7 | İstatistiksel temeller ve temel olasılık kavramları | İstatistiksel temeller ve temel olasılık kavramları | Öğretim Yöntemleri: Anlatım |
8 | Ara Sınavlar | Ölçme Yöntemleri: Yazılı Sınav |
|
9 | Olasılık dağılımları ve istatistiksel çıkarım | Olasılık dağılımları ve istatistiksel çıkarım | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
10 | Makine öğrenmesi nedir? Temel kavramlar ve uygulamaları | Makine öğrenmesi nedir? Temel kavramlar ve uygulamaları | Öğretim Yöntemleri: Anlatım, Tartışma |
11 | Denetimli ve denetimsiz öğrenme, temel algoritmalar ve örnek uygulamalar | Denetimli ve denetimsiz öğrenme, temel algoritmalar ve örnek uygulamalar | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
12 | Derin öğrenme temelleri ve yapay sinir ağları | Derin öğrenme temelleri ve yapay sinir ağları | Öğretim Yöntemleri: Anlatım, Tartışma |
13 | Büyük veri ve paralel hesaplama, Apache Spark ve Hadoop gibi çerçeveler | Büyük veri ve paralel hesaplama, Apache Spark ve Hadoop gibi çerçeveler | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
14 | Gruplar halinde veri bilimi projeleri için konsept belirleme | Gruplar halinde veri bilimi projeleri için konsept belirleme | Öğretim Yöntemleri: Beyin Fırtınası |
15 | Veri bilimi etiği, veri mahremiyeti ve yönetmelikler | Veri bilimi etiği, veri mahremiyeti ve yönetmelikler | Öğretim Yöntemleri: Anlatım, Tartışma, Beyin Fırtınası |
16 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
|
17 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
---|---|---|---|
Ders ile İlgili Çalışmalar | |||
Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 3 | 42 |
Değerlendirmeler ile İlgili Çalışmalar | |||
Ödev, Proje, Diğer | 3 | 8 | 24 |
Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 14 | 14 |
Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 28 | 28 |
Toplam İş Yükü (Saat) | 150 | ||
Toplam İş Yükü / 25 (s) | 6,00 | ||
AKTS | 6 AKTS |