TÜRKÇE
ENGLISH
Genel Bilgi
| Kod | CEN136 |
| Ad | Introduction to Data Science |
| Dönem | 2024-2025 Eğitim-Öğretim Yılı |
| Yarıyıl | 2. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Mehmet SARIGÜL |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Bu ders, yeni başlayanlar için veri bilimindeki ana kavramlara geniş bir genel bakış sunmaktadır. Veri bilimi görevlerini gerçekleştirmek için bir dizi ön araç ve teknik sunar. Dersin sonunda öğrenciler verilerin farklı özelliklerine (yapı, boyut ve tür) ilişkin temel bilgileri öğrenecek ve verileri özelliklerine göre kategorilere ayırabilecektir.
Dersin İçeriği
Bilimde, toplumda, iş dünyasında veri bilimi, Farklı veri türleri (istatistiksel, yapılandırılmış, yapılandırılmamış, büyük veri, ...), veri bilimcinin görevleri, veri toplama, veri ön işleme, keşfedici veri analizi: özet istatistikler, sunum, görselleştirme
Dersin Ön Koşulu
Basit algoritma bilgisi
Kaynaklar
Ders notları
Notlar
Introducing Data Science Big Data, Machine Learning, and More, Using Python Tools
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Öğrenciler, veri biliminin temel kavramlarını ve ilkelerini tanımlar. |
| ÖÇ02 | Öğrenciler, farklı veri tiplerini ve bunların çeşitli kaynaklardan nasıl elde edilebileceğini tanımlar. |
| ÖÇ03 | Öğrenciler, veri toplama, temizleme, keşfetme, analiz etme ve sonuçları yorumlama sürecinin aşamalarını kavrar |
| ÖÇ04 | Öğrenciler, veri bilimi için yaygın olarak kullanılan araçları ve teknolojileri tanır ve temel düzeyde bu araçları kullanabilir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme | 5 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama | 2 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Karmaşık bir sistemi, sistem bileşenini ya da süreci analiz etme ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlama becerisi; bu doğrultuda modern tasarım yöntemlerini uygulama becerisi | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi | 3 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | 5 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi | 3 |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi | |
| PÖÇ10 | Yetkinlikler - Öğrenme Yetkinliği | Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | |
| PÖÇ11 | Yetkinlikler - Öğrenme Yetkinliği | Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık | |
| PÖÇ12 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Dersin tanıtımı ve temel kavramlar | Dersin tanıtımı ve temel kavramlar | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 2 | Veri tipleri, veri kaynakları ve veri bilimi süreci | Veri tipleri, veri kaynakları ve veri bilimi süreci | Öğretim Yöntemleri: Anlatım, Tartışma |
| 3 | Veri toplama yöntemleri ve veri kaynaklarının değerlendirilmesi | Veri toplama yöntemleri ve veri kaynaklarının değerlendirilmesi | Öğretim Yöntemleri: Anlatım |
| 4 | Veri temizleme teknikleri ve veri kalitesi | Veri temizleme teknikleri ve veri kalitesi | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 5 | Veri keşfi için temel teknikler ve görselleştirme araçları | Veri keşfi için temel teknikler ve görselleştirme araçları | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 6 | Veri görselleştirme uygulamaları ve görsel analiz | Veri görselleştirme uygulamaları ve görsel analiz | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma |
| 7 | İstatistiksel temeller ve temel olasılık kavramları | İstatistiksel temeller ve temel olasılık kavramları | Öğretim Yöntemleri: Anlatım |
| 8 | Ara Sınavlar | Ölçme Yöntemleri: Yazılı Sınav |
|
| 9 | Olasılık dağılımları ve istatistiksel çıkarım | Olasılık dağılımları ve istatistiksel çıkarım | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 10 | Makine öğrenmesi nedir? Temel kavramlar ve uygulamaları | Makine öğrenmesi nedir? Temel kavramlar ve uygulamaları | Öğretim Yöntemleri: Anlatım, Tartışma |
| 11 | Denetimli ve denetimsiz öğrenme, temel algoritmalar ve örnek uygulamalar | Denetimli ve denetimsiz öğrenme, temel algoritmalar ve örnek uygulamalar | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 12 | Derin öğrenme temelleri ve yapay sinir ağları | Derin öğrenme temelleri ve yapay sinir ağları | Öğretim Yöntemleri: Anlatım, Tartışma |
| 13 | Büyük veri ve paralel hesaplama, Apache Spark ve Hadoop gibi çerçeveler | Büyük veri ve paralel hesaplama, Apache Spark ve Hadoop gibi çerçeveler | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 14 | Gruplar halinde veri bilimi projeleri için konsept belirleme | Gruplar halinde veri bilimi projeleri için konsept belirleme | Öğretim Yöntemleri: Beyin Fırtınası |
| 15 | Veri bilimi etiği, veri mahremiyeti ve yönetmelikler | Veri bilimi etiği, veri mahremiyeti ve yönetmelikler | Öğretim Yöntemleri: Anlatım, Tartışma, Beyin Fırtınası |
| 16 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
|
| 17 | Yarıyıl Sonu Sınavları | 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 | 3 | 42 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 3 | 8 | 24 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 14 | 14 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 28 | 28 |
| Toplam İş Yükü (Saat) | 150 | ||
| Toplam İş Yükü / 25 (s) | 6,00 | ||
| AKTS | 6 AKTS | ||