GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EBST109 | Veri Bilimine Giriş | Ders | 1 | 1 | 5.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, öğrencilere veri biliminin temel kavramlarını, yöntemlerini ve uygulama alanlarını tanıtmaktır. Öğrenciler, veri toplama, temizleme, görselleştirme ve analiz süreçlerinde temel beceriler kazanarak veri odaklı düşünme yetkinliği geliştirirler.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr. Öġr. Üyesi Elanur Türküz
Öğrenme Çıktıları
| 1 | Veri biliminin temel kavramlarını, kapsamını ve uygulama alanlarını açıklar. |
| 2 | Farklı veri türlerini ve veri toplama yöntemlerini tanımlar. |
| 3 | Veri temizleme ve ön işleme adımlarını uygular. |
| 4 | Keşifsel veri analizi yapar ve uygun görselleştirme tekniklerini kullanır. |
| 5 | Temel istatistiksel yöntemleri ve olasılık kavramlarını yorumlar. |
| 6 | Basit tahmin modelleri kurar ve sonuçlarını değerlendirir. |
| 7 | Python programlama dili ile temel veri analizi uygular. |
| 8 | Veri biliminin farklı disiplinlerle ilişkisini ve uygulama alanlarındaki önemini tartışır. |
| 9 | Veri etiği, gizlilik ve güvenlik konularında farkındalık geliştirir. |
| 10 | Takım çalışmasına katılarak basit veri bilimi projelerinde sorumluluk alır. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok.
Ders İçin Önerilen Diğer Hususlar
Öğrencilerin temel programlama bilgisine sahip olmaları önerilir. Python dili ile önceden deneyim faydalıdır, ancak zorunlu değildir.
Dersin İçeriği
Bu ders, veri biliminin temel kavramlarını, veri toplama, temizleme, görselleştirme ve temel analiz süreçlerini kapsar. Öğrenciler, veri biliminin uygulama alanlarını keşfeder, farklı veri tiplerini tanır ve Python gibi programlama dilleri ile veri işleme becerileri kazanır. Ayrıca, istatistiksel yöntemler, olasılık kavramları, basit tahminleme teknikleri ve makine öğrenmesine giriş konuları da ele alınır. Ders, veri bilimi süreçlerinin iş dünyası ve günlük yaşam uygulamalarıyla ilişkilendirilmesini hedefler.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Dersin tanıtımı, veri biliminin tanımı, tarihçesi ve uygulama alanları | ||
| 2 | Veri türleri, veri kaynakları ve veri toplama yöntemleri | ||
| 3 | Veri temizleme ve ön işleme kavramları | ||
| 4 | Keşifsel veri analizi (EDA) temelleri | ||
| 5 | Veri görselleştirme tekniklerine giriş (grafikler, tablolar, diyagramlar) | ||
| 6 | Python programlama dili ve temel kütüphaneler (NumPy, Pandas) | ||
| 7 | Veri manipülasyonu ve temel istatistiksel analizler | ||
| 8 | Olasılık kavramları ve veri bilimi ile ilişkisi | ||
| 9 | Basit regresyon modelleri ve yorumlanması | ||
| 10 | Sınıflandırma yöntemlerine giriş (ör: lojistik regresyon) | ||
| 11 | Makine öğrenmesine giriş ve temel algoritmalar (karar ağaçları, k-en yakın komşu) | ||
| 12 | Veri etiği, gizlilik ve güvenlik | ||
| 13 | Uygulamalı mini proje çalışması (grup veya bireysel) | ||
| 14 | Genel değerlendirme, proje sunumları ve dönem sonu tekrarı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Jake VanderPlas, Python Data Science Handbook Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, An Introduction to Statistical Learning Wes McKinney, Python for Data Analysis
Planlanan Öğrenme Aktiviteleri ve Metodları
Ders anlatımı, laboratuvar uygulamaları, bilgisayar destekli çalışmalar, ödevler, proje çalışmaları ve sınıf içi tartışmalar.
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 2 | 40 |
| Quiz | 6 | 20 |
| Laboratuvar Ara Sınavı | 2 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Bu ders için staj zorunluluğu bulunmamaktadır.
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Final Sınavı | 1 | 2 | 2 |
| Quiz | 6 | 6 | 36 |
| Derse Katılım | 14 | 4 | 56 |
| Laboratuvar | 1 | 10 | 10 |
| Proje Hazırlama | 1 | 10 | 10 |
| Proje Sunma | 1 | 10 | 10 |
| Toplam İş Yükü (saat) | 124 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | |
| ÖÇ 1 | 2 | 5 | ||||||||
| ÖÇ 2 | 2 | 4 | 4 | |||||||
| ÖÇ 3 | 5 | 3 | ||||||||
| ÖÇ 4 | 3 | 3 | ||||||||
| ÖÇ 5 | 3 | |||||||||
| ÖÇ 6 | 3 | 4 | 5 | |||||||
| ÖÇ 7 | 3 | 4 | 5 | |||||||
| ÖÇ 8 | 3 | 3 | 4 | |||||||
| ÖÇ 9 | 5 | 3 | ||||||||
| ÖÇ 10 | 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek