TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| İSTATİSTİK (YL) | |
| Kod | ISB569 |
| Ad | Python ile İstatistiksel Modelleme ve Veri Bilimi |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Dönem | Güz |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. GÜLESEN ÜSTÜNDAĞ ŞİRAY |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, veri işleme ve modelleme ile bunların temelindeki matematiksel ilkeleri anlamayı sağlamak ve geleceğe dair tahminlerde bulunma becerisi kazandırmaktır.
Dersin İçeriği
Python ekosistemi, keşifsel veri analizi, veri ön işleme, olasılık dağılımları, hipotez testleri, güven aralıkları ve örnekleme, lineer regresyon, lojistik regresyon, zaman serisi analizi, denetimli öğrenme, denetimsiz öğrenme, model değerlendirme, makine öğrenmesi uygulamaları bu dersin içeriğini oluşturmaktadır.
Dersin Ön Koşulu
Öğrencilerin istatistik alanında bilgi sahibi olması ve temel düzeyde Python kullanabilmesi beklenmektedir.
Kaynaklar
T Hastie, R Tibshirani, J Friedman (2009). The elements of statistical learning
Notlar
https://www.python.org https://www.anaconda.com
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Python programlama dilini kullanır. |
| ÖÇ02 | Keşifsel veri analizi yapar. |
| ÖÇ03 | Veri ön işleme adımlarını uygular. |
| ÖÇ04 | Python kullanarak olasılık dağılımlarıyla ilgili problemleri çözer. |
| ÖÇ05 | Python ile hipotez testi yapar. |
| ÖÇ06 | Python ile zaman serisi analizi yapar. |
| ÖÇ07 | Python ile model tahmin ve öngörü işlemleri gerçekleştirir. |
| ÖÇ08 | Makine öğrenmesi algoritmalarını uygular. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Olasılık ve İstatistik konularında derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptirler | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | İstatistik alanında doktora planları yapabilecek bilgilere sahiptirler. | |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | İstatistikte kullanılan analiz ve modelleme yöntemleri hakkında kapsamlı bilgiye sahiptir. | 4 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | İstatistikte kullanılan yöntemler hakkında kapsamlı bilgiye sahiptir. | |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Matematik, Olasılık ve İstatistik konularında bilimsel araştırma yaparlar. | |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | İstatistiksel problemleri işaret eder, çözmek için yöntem geliştirir. | |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | İstatistiksel problemleri çözümlemede yenilikçi yöntemler uygular. | 4 |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Alanında karşılaştığı problemleri analitik modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular. | 4 |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Bilgiye erişir ve bununla ilgili kaynak araştırması yapar. | |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Karmaşık durumlarda çözüm yaklaşımları geliştirir ve sorumluluk alır. | |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Sorumluluk alma özgüvenine sahiptir. | |
| PÖÇ12 | Beceriler - Bilişsel, Uygulamalı | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu çalışmalarıyla gösterir. | |
| PÖÇ13 | Beceriler - Bilişsel, Uygulamalı | Kendini istatistikte ve ilgili alanlarda sürekli yeniler. | |
| PÖÇ14 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Türkçe ve İngilizce sözlü ve yazılı iletişim kurar. | |
| PÖÇ15 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Çalışmalarının süreç ve sonuçlarını ulusal ve uluslararası ortamlarda açık bir şekilde yazılı ya da sözlü olarak aktarır. | |
| PÖÇ16 | Yetkinlikler - Öğrenme Yetkinliği | Verilerin toplanması, işlenmesi, kullanılması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | |
| PÖÇ17 | Yetkinlikler - Öğrenme Yetkinliği | İstatistik uygulamaları için gereken donanım ve yazılımları kullanır. | 4 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Python ekosistemi: NumPy ve Pandas ile ileri seviye veri manipülasyonu | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 2 | Keşifsel veri analizi | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 3 | Keşifsel veri analizi 2 | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 4 | Veri ön işleme | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 5 | Olasılık dağılımları | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme |
| 6 | Hipotez testleri | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama, Problem Çözme |
| 7 | Güven aralıkları ve örnekleme | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama, Problem Çözme |
| 8 | Ara Sınavlar | Anlatılan konuların ders notları ve kaynaklardan tekrar edilmesi | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Lineer regresyon ve lojistik regresyon | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama, Problem Çözme |
| 10 | Zaman serisi analizi | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 11 | Denetimli öğrenme | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 12 | Model değerlendirme | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Denetimsiz öğrenme | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 14 | Makine öğrenmesi uygulamaları | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 15 | Makine öğrenmesi uygulamaları | Kaynak okuma, araştırma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 16 | Yarıyıl Sonu Sınavları | Anlatılan konuların ders notları ve kaynaklardan tekrar edilmesi | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Anlatılan konuların ders notları ve kaynaklardan tekrar edilmesi | 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 | 2 | 10 | 20 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 20 | 20 |
| Toplam İş Yükü (Saat) | 139 | ||
| Toplam İş Yükü / 25 (s) | 5,56 | ||
| AKTS | 6 AKTS | ||