CENG0028 Applied Data Science

6 AKTS - 3-0 Süre (T+U)- . Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod CENG0028
Ad Applied Data Science
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl . Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil İngilizce
Seviye Yüksek Lisans Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Dr. Öğr. Üyesi SERKAN KARTAL


Dersin Amacı / Hedefi

Bu dersin ana hedefleri, verileri temizlemek, analiz etmek, araştırmak ve görselleştirmek için araçların nasıl kullanılacağını öğrenmek; veriye dayalı çıkarımlar ve kararlar vermek.

Dersin İçeriği

Bu kursun içeriğinde, veriler üzerinde uygulamalar geliştirebilmek için python tabanlı programlama araçlarının nasıl kullanılacağını öğretilecektir.

Dersin Ön Koşulu

Python programlamaya aşinalık ve NumPy, pandas ve matplotlib'in temel kullanımı hakkında bilgi sahibi olmak gerekmektedir.

Kaynaklar

Applied Data Science with Python and Jupyter by Alex Galea

Notlar

Python Data Science Handbook by Jake VanderPlas


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Dağınık veri kümelerini temizlemeyi ve yeniden şekillendirmeyi öğrenme
ÖÇ02 Verileri analiz etmek için kümeleme ve görselleştirme gibi araçları kullanma
ÖÇ03 Temel bileşen analizi gibi boyut azaltma araçlarını uygulama
ÖÇ04 Bir sınıflandırıcı oluşturmak için lojistik regresyon, en yakın komşular, karar ağaçları, destek vektör makineleri ve sinir ağları gibi yöntemleri kullanma.


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. 3
PÖÇ02 Bilgi - Kuramsal, Olgusal Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. 2
PÖÇ03 Yetkinlikler - Öğrenme Yetkinliği Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. 4
PÖÇ04 Yetkinlikler - Öğrenme Yetkinliği Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. 4
PÖÇ05 Yetkinlikler - Öğrenme Yetkinliği Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. 4
PÖÇ06 Yetkinlikler - Öğrenme Yetkinliği Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. 4
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Öğrenme becerilerine sahip olur. 2
PÖÇ08 Beceriler - Bilişsel, Uygulamalı Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. 3
PÖÇ09 Beceriler - Bilişsel, Uygulamalı Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır.
PÖÇ10 Beceriler - Bilişsel, Uygulamalı Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur.
PÖÇ11 Beceriler - Bilişsel, Uygulamalı Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır.
PÖÇ12 Bilgi - Kuramsal, Olgusal Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Python'da veri analizi araçlarına giriş Ders notlarının okunması Öğretim Yöntemleri:
Gösteri, Anlatım
2 Tanımlayıcı istatistikler Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
3 Pandas ile veri yapıları Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
4 Hipotez testi ve istatistiksel çıkarıma giriş Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
5 API'ler aracılığıyla veri toplama Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
6 Doğrusal regresyon Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
7 Lojistik regresyon, k-en yakın komşular, karar ağaçları, destek vektör makineleri ve sinir ağları vb. sınıflandırma yöntemleri Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
8 Ara Sınavlar Ders notlarının okunması Ölçme Yöntemleri:
Yazılı Sınav, Ödev
9 Sınıflandırma yöntemleri devam Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
10 Veri görüntüleme Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
11 Kümeleme metotları Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
12 Temel bileşen analizini kullanarak boyut azaltma Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
13 Ağ analizi Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
14 Düzenli ifadeler kullanarak dağınık veri kümelerini temizleme ve yeniden biçimlendirme Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
15 Büyük veri etiği Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Gösteri
16 Yarıyıl Sonu Sınavları Ders notlarının okunması Ölçme Yöntemleri:
Yazılı Sınav
17 Yarıyıl Sonu Sınavları Ders notlarının okunması 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

Güncelleme Zamanı: 24.05.2024 04:47