ISB413 Data Science with Python

5 ECTS - 3-0 Duration (T+A)- 7. Semester- 3 National Credit

Information

Code ISB413
Name Data Science with Python
Term 2024-2025 Academic Year
Semester 7. Semester
Duration (T+A) 3-0 (T-A) (17 Week)
ECTS 5 ECTS
National Credit 3 National Credit
Teaching Language Türkçe
Level Lisans Dersi
Type Normal
Mode of study Yüz Yüze Öğretim
Catalog Information Coordinator Prof. Dr. GÜLESEN ÜSTÜNDAĞ ŞİRAY
Course Instructor Prof. Dr. GÜLESEN ÜSTÜNDAĞ ŞİRAY (A Group) (Ins. in Charge)


Course Goal / Objective

The aim of this course is to introduce the Python software program and show how to analyze data using Python for students.

Course Content

Introduction, Anaconda, NumPy, Pandas, Data Analysis constitutethe content of this course.

Course Precondition

NaN

Resources

1. İlker Arslan. Python ile veri Bilimi. Pusula Yayıncılık 2. Atıl Samancıoğlu. Sıfırdan Uzmanlığa Python Programlama. Unikod

Notes

https://www.python.org https://www.anaconda.com


Course Learning Outcomes

Order Course Learning Outcomes
LO01 Recognizes the data structures.
LO02 Uses conditional expressions and writes loops.
LO03 Defines functions in Python.
LO04 NumPy arrays creates.
LO05 Performs data analysis with Pandas.
LO06 Performs data visualization in Python.
LO07 Uses libraries in Python.
LO08 Extracts data from special modules used for financial analysis.


Relation with Program Learning Outcome

Order Type Program Learning Outcomes Level
PLO01 Bilgi - Kuramsal, Olgusal Explain the essence fundamentals and concepts in the field of Statistics
PLO02 Bilgi - Kuramsal, Olgusal Emphasize the importance of Statistics in life 4
PLO03 Bilgi - Kuramsal, Olgusal Define basic principles and concepts in the field of Law and Economics
PLO04 Bilgi - Kuramsal, Olgusal Produce numeric and statistical solutions in order to overcome the problems
PLO05 Bilgi - Kuramsal, Olgusal Use proper methods and techniques to gather and/or to arrange the data 4
PLO06 Bilgi - Kuramsal, Olgusal Utilize computer programs and builds models, solves problems, does analyses and comments about problems concerning randomization
PLO07 Bilgi - Kuramsal, Olgusal Apply the statistical analyze methods 4
PLO08 Bilgi - Kuramsal, Olgusal Make statistical inference (estimation, hypothesis tests etc.)
PLO09 Bilgi - Kuramsal, Olgusal Generate solutions for the problems in other disciplines by using statistical techniques and gain insight
PLO10 Bilgi - Kuramsal, Olgusal Discover the visual, database and web programming techniques and posses the ability of writing programs
PLO11 Beceriler - Bilişsel, Uygulamalı Distinguish the difference between the statistical methods
PLO12 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Make oral and visual presentation for the results of statistical methods
PLO13 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Have capability on effective and productive work in a group and individually
PLO14 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Professional development in accordance with their interests and abilities, as well as the scientific, cultural, artistic and social fields, constantly improve themselves by identifying training needs
PLO15 Yetkinlikler - Öğrenme Yetkinliği Develop scientific and ethical values in the fields of statistics-and scientific data collection


Week Plan

Week Topic Preparation Methods
1 Introduction to Python, download Anaconda, basic concepts and data types Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama
2 Data structures Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
3 Conditional expressions and loops Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
4 Conditional expressions and loops 2 Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
5 Defining function Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
6 JupiterLab, NumPy arrays, operations with NumPy arrays Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
7 Pandas DataFrame Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
8 Mid-Term Exam Review the topics discussed in the lecture notes and sources Ölçme Yöntemleri:
Yazılı Sınav
9 Pandas DataFrame 2 Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
10 Data visualization in Python Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama
11 Data visualization in Python 2 Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
12 Descriptive statistics Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
13 Probability distributions Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
14 Parametric hypothesis testing Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
15 Nonparametric hypothesis testing Problem-solving, Question and Answer, Application Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme
16 Term Exams Review the topics discussed in the lecture notes and sources Ölçme Yöntemleri:
Yazılı Sınav
17 Term Exams Review the topics discussed in the lecture notes and sources Ölçme Yöntemleri:
Yazılı Sınav


Student Workload - ECTS

Works Number Time (Hour) Workload (Hour)
Course Related Works
Class Time (Exam weeks are excluded) 14 3 42
Out of Class Study (Preliminary Work, Practice) 14 3 42
Assesment Related Works
Homeworks, Projects, Others 0 0 0
Mid-term Exams (Written, Oral, etc.) 1 12 12
Final Exam 1 18 18
Total Workload (Hour) 114
Total Workload / 25 (h) 4,56
ECTS 5 ECTS

Update Time: 12.06.2024 11:01