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

-

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

YOK

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 Büyük Veri ve Paralel İşleme
14 Proje Çalışması ve Uygulama
15 Final Sınavı

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 1 100
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
Ara Sınav İçin Bireysel Çalışma 1 76 76
Final Sınavı içiin Bireysel Çalışma 1 72 72
Toplam İş Yükü (saat) 150

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 4 4 4 4 4 4 4 4 4 4 4 4 4 4
ÖÇ 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
ÖÇ 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
ÖÇ 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
ÖÇ 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek