DERS BİLGİLERİ
Ders Kodu Yarıyıl Ders Süresi Kredi AKTS
Data Analytics for Internet of Things EEES   406 8 3 3 4

Ön Koşul Dersleri
Ders Hakkında Önerilen Diğer Hususlar None

Dersin Dili İngilizce
Dersin Seviyesi Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Dr. Öğr. Üyesi Ercan AVŞAR
Dersi Verenler
Dr. Öğr. ÜyesiERCAN AVŞAR1. Öğretim Grup:A
Dr. Öğr. ÜyesiERCAN AVŞAR2. Öğretim Grup:A
 
Dersin Yardımcıları
Dersin Amacı
Temel makine öğrenmesi yöntemlerinin tanıtılması, akıllı karar mekanizmalarının nesnelerin interneti uygulamalarında kullanılabilmesi için gerekli olan teorik ve pratik kabiliyetin öğrenciye kazandırılması.
Dersin İçeriği
Veri işlemenin nesnelerin interneti için önemi, Olasılık ve rastgele değişkenlerin temelleri, Makine öğrenmesi nedir, Sınıflandırma ve regresyon problemleri, Denetimli öğrenme: eğri uydurma, karar ağaçları, k-en yakın komşu algoritması, Denetimsiz öğrenme: kümeleme yöntemleri, temel bileşenler analizi, Denetimli ve Denetimsiz öğrenme yöntemlerinin Python programlama dili ile kodlanması, Sensörlerden analog ve sayısal veri okunması, Sensör kalibrasyonu, single-board bilgisayar ile akıllı karar mekanizmalarının gerçekleştirilmesi, Büyük veri işleme: gereklilik ve gereksinimler

Dersin Öğrenme Kazanımları
1) İstatistiksel olarak veri analiz edebilir ve akıllı karar mekanizması geliştirebilir
2) Nesnelerin İnterneti uygulamaları için kodlama yeteneği kazanır
3) Nesnelerin İnterneti uygulamalarında akıllı karar mekanizmalarını kullanabilir
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)


DERSİN PROGRAM KAZANIMLARINA KATKISI
NoTemel öğrenme KazanımlarıKatkı Düzeyi
12345
1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.
2
Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
3
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.
4
Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini ve programlama bilgilerini etkin bir şekilde kullanma becerisi.
5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
7
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.
8
Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
11
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.
12
Elektrik-Elektronik mühendisliği bilgilerini mesleğe özgü alet ve cihazlar üzerinde uygulayabilme
13
İçinde yaşadığı toplumun, dünyanın ve çağın, bilimsel, sosyal, tarihi, ekonomik ve politik olguları hakkında farkındalık

DERS AKIŞI
HaftaKonularÖn Hazırlık Yöntem
1 Veri işlemenin nesnelerin interneti için önemi Yok Anlatım
Tartışma
2 Olasılık ve rastgele değişkenlerin temelleri Önceki konunun gözden geçirilmesi Anlatım
Tartışma
3 Makine öğrenmesi nedir. Sınıflandırma ve regresyon problemleri Önceki konunun gözden geçirilmesi Anlatım
Tartışma
4 Denetimli öğrenme: eğri uydurma, karar ağaçları, k-en yakın komşu algoritması Önceki konunun gözden geçirilmesi Anlatım
Tartışma
5 Denetimli öğrenme yöntemlerinin Python programlama dili ile kodlanması Önceki konunun gözden geçirilmesi Anlatım
Tartışma
Gösterip Yaptırma
6 Denetimsiz öğrenme: kümeleme yöntemleri, temel bileşenler analizi Önceki konunun gözden geçirilmesi Anlatım
Tartışma
7 Denetimsiz öğrenme yöntemlerinin Python programlama dili ile kodlanması Önceki konunun gözden geçirilmesi Anlatım
Tartışma
Gösterip Yaptırma
8 Ara Sınav Önceki konunun gözden geçirilmesi Yazılı Sınav
9 Sensörlerden analog ve sayısal veri okunması, Sensör kalibrasyonu Önceki konunun gözden geçirilmesi Anlatım
Tartışma
10 Single-board bilgisayar ile akıllı karar mekanizmalarının gerçekleştirilmesi Önceki konunun gözden geçirilmesi Anlatım
Tartışma
Gösterip Yaptırma
11 Büyük veri işleme: gereklilik ve gereksinimler Önceki konunun gözden geçirilmesi Anlatım
Tartışma
12 Sınıf içi örnek proje geliştirme Önceki konunun gözden geçirilmesi Anlatım
Alıştırma ve Uygulama
Gösterip Yaptırma
13 Sınıf içi örnek proje geliştirme Önceki konunun gözden geçirilmesi Anlatım
Alıştırma ve Uygulama
Gösterip Yaptırma
14 Dönem sonu proje çalışmaları Önceki konunun gözden geçirilmesi Anlatım
Alıştırma ve Uygulama
Gösterip Yaptırma
15 Dönem sonu proje çalışmaları Önceki konunun gözden geçirilmesi Anlatım
Alıştırma ve Uygulama
Gösterip Yaptırma
16-17 Yarıyıl Sonu Sınavları Önceki konunun gözden geçirilmesi Proje / Tasarım

KAYNAKLAR
Ders Notu
Diğer Kaynaklar