TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | EM0034 |
| Ad | Veri Analitiği |
| Dönem | 2024-2025 Eğitim-Öğretim Yılı |
| Dönem | Bahar |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Yüksek Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Doç. Dr. YUSUF KUVVETLİ |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Bu dersin amacı, veri odaklı yaklaşımlarda ve günümüz artan bilgi değerine uygun olarak yapılabilecek analizlerin ele alınması, temel veri işleme yaklaşımlarının incelenmesi, veri analiz yöntemleri ve sonuçlarının yorumlanmasının sağlanması ve bu yaklaşımların yazılımlar yardımıyla çözümünün incelenmesidir.
Dersin İçeriği
Veri analitiğine giriş. Görselleştirme. Olasılık ve İstatistik. Sonuç çıkarma ve modelleme. Regresyon. Makine Öğrenmesi Metotları.
Dersin Ön Koşulu
Yok
Kaynaklar
Ahmed, M., & Pathan, A. S. K. (2018). Data Analytics: Concepts, Techniques, and Applications. CRC Press. Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier. Albright, S. C., & Winston, W. L. (2014). Business analytics: Data analysis & decision making. Nelson Education.
Notlar
Python, pandas, numpy ve sklearn kullanıcı dokümanları
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Regresyon yöntemleri ve uygulamaları hakkında bilgi ve beceri sahibi olmak |
| ÖÇ02 | Sınıflandırma yöntemleri ve uygulamaları hakkında bilgi ve beceri sahibi olmak |
| ÖÇ03 | Kümeleme yöntemleri ve uygulamaları hakkında bilgi ve beceri sahibi olmak |
| ÖÇ04 | Yapay öğrenme algoritmaları tasarlamak ve geliştirmek |
| ÖÇ05 | Yenilikçi veri analitiği yöntemleri uygulama bilgi ve becerisi kazanmak |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Endüstri Mühendisliği alanında bilimsel araştırma yapar, alanla ilgili bilgiye genişlemesine ve derinlemesine ulaşır, bu bilgiyi değerlendirir, yorumlayıp uygular. | 5 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Endüstri Mühendisliğindeki güncel teknik ve yöntemler ve bunların sınırları için detaylı bilgi sahibi olmak | 5 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Endüstri Mühendisliği alanındaki güncel değişiklikleri ve uygulamaları takip eder ve gerektiğinde bu yenilikleri inceler ve öğrenir. | 5 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Gereksinim duyulan bilgi ve verileri tanımlama, bunlara ulaşma ve kullanma | 4 |
| PÖÇ05 | Beceriler - Bilişsel, Uygulamalı | Yeni ve/veya özgün fikir ve yöntemler geliştirebilme/önerebilme, sistem, parça veya süreç tasarımları için yeni çözümler önerebilme yeteneğine sahip olma | |
| PÖÇ06 | Beceriler - Bilişsel, Uygulamalı | Endüstri Mühendisliği problemlerini tasarlayabilme, problemlerin çözümü için yeni yöntemler geliştirebilme ve uygulayabilme | 5 |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Analitik modelleme ve deneysel araştırma kurma ve uygulama becerisi ve bu süreçte ortaya çıkan karmaşık konuları analiz etme/çözme | 4 |
| PÖÇ08 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Çok disiplinli takımlarda çalışma, liderlik rolü ve sorumluluk alma ve karmaşık problemlere çözümler geliştirme | |
| PÖÇ09 | Yetkinlikler - Öğrenme Yetkinliği | Sınırlı kaynakları kullanarak bilgiyi bilimsel metotlarla tamamlayabilme ve uygulayabilme becerisi ve kendi alanındaki bilgilerle çeşitli disiplinlerden gelen bilgileri bütünleştirebilme | 5 |
| PÖÇ10 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Sözlü ve yazılı iletişim için en az Avrupa Dil Portföyü B2 Düzeyi'nde yabancı dil kullanabilme | 2 |
| PÖÇ11 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Araştırma bulgularını ulusal ve uluslararası ortamlarda sözlü veya yazılı olarak sistematik ve açık bir şekilde sunabilme | |
| PÖÇ12 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını anlama | |
| PÖÇ13 | Yetkinlikler - Öğrenme Yetkinliği | Verilerin toplanması, yorumlanması ve duyurulması süreçlerinde ve mesleki etkinliklerde toplumsal, bilimsel ve etik değerleri göz önünde bulundurma |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Veri analitiğine giriş | Veri analitiği hakkında genel okuma | Öğretim Yöntemleri: Anlatım |
| 2 | Veri görselleştirme | Genel veri analizleri hakkında bilgi | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 3 | Olasılık ve İstatistik | Temel istatistik hakkında bilgi | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 4 | Sonuç çıkarma ve modelleme | Veri modelleme hakkında ön araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 5 | Sınıflandırma yöntemleri (Temel) | Sınıflandırma problemleri için veri setlerinin araştırılması | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 6 | Sınıflandırma yöntemleri (Ağaç tabanlı) | Sınıflandırma problemleri için veri setlerinin araştırılması | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 7 | Sınıflandırma yöntemleri (Topluluk) | Sınıflandırma problemleri için veri setlerinin araştırılması | Öğretim Yöntemleri: Gösterip Yaptırma |
| 8 | Ara sınav | Sınava hazırlık | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Regresyon yöntemleri (Temel) | Regresyon problemleri için veri araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 10 | Regresyon yöntemleri (Makine Öğrenmesi) | Regresyon problemleri için veri araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 11 | Regresyon yöntemleri (Ağ tabanlı) | Regresyon problemleri için veri araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 12 | Kümeleme yöntemleri (Temel) | Kümeleme problemleri için veri araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Kümeleme yöntemleri (İleri) | Kümeleme problemleri için veri araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 14 | Matlab yazılım uygulamaları | Matlab hakkında ön araştırma | Öğretim Yöntemleri: Örnek Olay, Gösterip Yaptırma |
| 15 | Python yazılım uygulamaları | Python hakkında ön araştırma | Öğretim Yöntemleri: Örnek Olay, Gösterip Yaptırma |
| 16 | Final sınavı | Sınava hazırlık | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Final sınavı | Sınava hazırlık | 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 | 5 | 70 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 157 | ||
| Toplam İş Yükü / 25 (s) | 6,28 | ||
| AKTS | 6 AKTS | ||