.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| YZM532 | Python ile Veri Bilimi | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, öğrencilere veri bilimi alanına giriş yapmak, Python programlama dilini kullanarak veri bilimi projeleri geliştirmek, NumPy ve Pandas gibi önemli kütüphaneleri öğretmek, veri manipülasyonu, görselleştirme, veri keşfi, ön işleme ve istatistik gibi temel becerileri kazandırmak, makine öğrenmesi ve derin öğrenme kavramlarına giriş yapmak, denetimli ve denetimsiz öğrenme algoritmalarını öğretmek, model değerlendirme ve performans analizi yapmak, büyük veri ve paralel işleme konularını ele almak ve öğrencilerin proje çalışması yoluyla uygulama becerilerini geliştirmektir.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr. Öğr. Üyesi Mustafa Çoruh
Öğrenme Çıktıları
| 1 | Python programlama dilini kullanarak veri bilimi projeleri geliştirme becerisi geliştirmek. |
| 2 | Veri manipülasyonu, veri görselleştirme ve veri analizi için Python kütüphanelerini kullanma yetkinliği kazanmak. |
| 3 | Makine öğrenmesi ve istatistiksel modelleme tekniklerini Python ile uygulama becerisi geliştirmek. |
| 4 | Büyük veri setlerini işleme ve analiz etme yetkinliği geliştirmek. |
| 5 | Veri bilimi projelerinde etik, güvenilirlik ve veri gizliliği konularını anlama ve uygulama becerisi kazanmak. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
YOK
Ders İçin Önerilen Diğer Hususlar
Proje : Milli Takım veri bilimi uygulamasını modelleyerek sonuçları görselleştiriniz ve raporlayarak sınıfta sunumunu yapınız.
Dersin İçeriği
Bu dersin amacı, öğrencilere veri bilimi alanına giriş yapmak, Python programlama dilini kullanarak veri bilimi projeleri geliştirmek, NumPy ve Pandas gibi önemli kütüphaneleri öğretmek, veri manipülasyonu, görselleştirme, veri keşfi, ön işleme ve istatistik gibi temel becerileri kazandırmak, makine öğrenmesi ve derin öğrenme kavramlarına giriş yapmak, denetimli ve denetimsiz öğrenme algoritmalarını öğretmek, model değerlendirme ve performans analizi yapmak, büyük veri ve paralel işleme konularını ele almak ve öğrencilerin proje çalışması yoluyla uygulama becerilerini geliştirmektir.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri Bilimi ve Python'a Giriş | ||
| 2 | NumPy: Bilimsel Hesaplama Kütüphanesi | ||
| 3 | Pandas: Veri Manipülasyonu ve Analizi | ||
| 4 | Veri Görselleştirme: Matplotlib ve Seaborn | ||
| 5 | Veri Keşfi ve Ön İşleme | ||
| 6 | İstatistik Temelleri | ||
| 7 | Makine Öğrenmesine Giriş | ||
| 8 | Ara Sınav | ||
| 9 | Model Değerlendirme ve Doğrulama | ||
| 10 | Değerlendirme Metrikleri ve Performans Analizi | ||
| 11 | Denetimsiz Öğrenme Algoritmaları | ||
| 12 | Derin Öğrenme ve Sinir Ağları | ||
| 13 | Proje Çalışması ve Sunum | ||
| 14 | Proje Çalışması ve Sunum |
Ders Kitabı Malzemesi Önerilen Kaynaklar
`Python for Data Analysis` - Wes McKinney `Python Data Science Handbook` - Jake VanderPlas `Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow` - Aurélien Géron
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 50 |
| Proje Sunma | 1 | 50 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
-
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 2 | 28 |
| Proje Hazırlama | 1 | 30 | 30 |
| Proje Sunma | 1 | 10 | 10 |
| Bireysel Çalışma | 14 | 3 | 42 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 20 | 20 |
| Toplam İş Yükü (saat) | 152 | ||
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 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 3 | 3 | 5 | 4 | 4 | 5 | 4 |
| ÖÇ 2 | 5 | 4 | 4 | 4 | 5 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 |
| ÖÇ 3 | 5 | 3 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 |
| ÖÇ 4 | 4 | 5 | 3 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 4 |
| ÖÇ 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 4 | 5 | 4 | 5 | 4 | 5 | 3 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek