ISB009 Python ile Veri Analizi

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

Genel Bilgi

Kod ISB009
Ad Python ile Veri Analizi
Yarıyıl . Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil Türkçe
Seviye Doktora Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Prof. Dr. MAHMUDE REVAN ÖZKALE


Dersin Amacı

Öğrencilere veri bilimi çerçevesindeki teori bilgileri Python programında uygulama becerisi kazandırmak.

Dersin İçeriği

Phyton Dili Temelleri, Yerleşik Veri Yapıları, İşlevler ve Dosyalar,NumPy Temelleri, Pandas Kitaplığı, Veri Yükleme, Depolama ve Dosya Biçimleri, Veri Temizleme ve Hazırlama, Veri Düzenleme, Çizim ve Görselleştirme, Veri Toplama ve Grup İşlemleri, Veri Analizi ve Örnekler.

Dersin Ön Koşulu

yok

Kaynaklar

McKinney, W. 2018. Python for Data Analysis. OReilly Media, 2nd edition

Notlar

ders notları


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Python programının temel kavramlarını açıklayabilme
ÖÇ02 Python programında döngü kurabilme
ÖÇ03 Python programı ile temel istatistiksel analizler yapabilme
ÖÇ04 Python programı ile grafik çizimleri yapabilme
ÖÇ05 Python programında kütüphaneleri kullanma


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal İstatistiksel problemlerin modellenmesinde ve probleme özgü çözümlerin üretilmesinde yeni yöntem ve stratejiler geliştirir. 3
PÖÇ02 Bilgi - Kuramsal, Olgusal İstatistik alanında belirli bir konu hakkında detaylı araştırma yapabilir. 4
PÖÇ03 Bilgi - Kuramsal, Olgusal İstatistik literatürüne katkı yapabilecek düzeyde istatistik teorisine hakimdir. 4
PÖÇ04 Bilgi - Kuramsal, Olgusal İstatistik alanında edindiği bilgiyi disiplinler arası çalışmalarda kullanabilir. 4
PÖÇ05 Yetkinlikler - Öğrenme Yetkinliği İstatistik alanında proje ve etkinlikler düzenleyebilir. 5
PÖÇ06 Yetkinlikler - Öğrenme Yetkinliği Bir projenin oluşturulması, yürütülmesi ve sonuçların raporlanması aşamalarını gerçekleştirebilir. 5
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Bilimsel irdeleme yetisine sahip olur. 3
PÖÇ08 Bilgi - Kuramsal, Olgusal İstatistik alanında bilimsel yayın üretebilir.
PÖÇ09 Bilgi - Kuramsal, Olgusal Analitik düşünme becerisine sahip olur. 4
PÖÇ10 Yetkinlikler - Öğrenme Yetkinliği Mesleki yenilik ve gelişmeleri hem ulusal hem de uluslar arası düzeyde takip edebilir. 4
PÖÇ11 Yetkinlikler - Öğrenme Yetkinliği İstatistik literatürünü takip edebilir. 4
PÖÇ12 Beceriler - Bilişsel, Uygulamalı Yabancı dil bilgisini, alanında yabancı dilde yayın ve sunum yapabilecek düzeyde geliştirebilir. 5
PÖÇ13 Bilgi - Kuramsal, Olgusal Bilişim teknolojilerini ileri düzeyde kullanabilir. 5
PÖÇ14 Bilgi - Kuramsal, Olgusal Bireysel çalışma becerisi ve bağımsız karar verebilme yetisine sahip olur. 5
PÖÇ15 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Takım çalışmalarında gerekli olan niteliklere sahiptir. 5
PÖÇ16 Bilgi - Kuramsal, Olgusal Mesleki ve etik sorumluluk bilincine sahip olur. 3
PÖÇ17 Bilgi - Kuramsal, Olgusal Bilimsel etik kurallara uygun davranır. 3


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Python dilinin temelleri Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
2 Yerleşik veri yapıları, işlevler, dosyalar Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
3 Numpy temelleri Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
4 pandas'ya giriş Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
5 Veri yükleme, depolama ve dosyalar Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
6 Veri temizleme ve hazırlama Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
7 Veri birleştirme, yeniden şekillendirme Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
8 Proje hazırlama Kaynak okuma Ölçme Yöntemleri:
Performans Değerlendirmesi
9 Çizim ve görselleştirme Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
10 Data aggregation and group operations Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
11 Python ile zaman serileri Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
12 Gelişmiş pandas Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
13 Python'da kütüphaneleri modelleme Kaynak okuma Öğretim Yöntemleri:
Alıştırma ve Uygulama
14 Veri analizi Veri derleme Öğretim Yöntemleri:
Gösterip Yaptırma, Alıştırma ve Uygulama
15 Yüksek boyutlu veri analizi Veri derleme Öğretim Yöntemleri:
Alıştırma ve Uygulama, Gösterip Yaptırma
16 Proje sunumu Veri derleme, raporlama Öğretim Yöntemleri:
Alıştırma ve Uygulama, Gösterip Yaptırma
17 Final Sınavı Kaynak okuma Ölçme Yöntemleri:
Performans Değerlendirmesi


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