Veri bilimindeki temel kavramları öğrencilere tanıtmak, ham veriyi ön işleme yöntemleri ile analize hazır hale getirmek, sınıflandırma, regresyon, kümeleme, tahmin, gibi veri bilimi yaklaşımlarının gerçek dünya örneklerine nasıl adapte edilebileceğini göstermektir.
Ön Koşullar
XXX Ders Adı...
Eş Koşullar
XXX Ders Adı...
Özel Koşullar
Dersin alınabilmesi için öğrenciden beklenen asgari yeterlilikler.(Örnekler: Yabancı dil seviyesi, derse devam, önceden edindiği kurumsal yeterlilikler vs. gibi)
Öğretim Üyeleri
Prof. Dr. Ayça Çakmak Pehlivanlı
Asistanlar
Ders Gün,Saat ve Yeri
Ders bu yarıyıl açılmamıştır.
Görüşme Saatleri ve Yeri
Ders bu yarıyıl açılmamıştır.
Öğretim Yöntem ve Teknikleri
-
Temel Kaynaklar
-
Diğer Kaynaklar
-
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Giriş, işleyiş ve dersin tanıtımı. Veri nedir ve neden önemlidir? Veri Bilimi dersinin uygulama alanları nelerdir?
Yazılı, sözlü anlatım
2. Hafta
Verinin anlaşılması, analize hazır hale getirilmesi, temizlenmesi (kayıp gözlem, tekrarlı gözlem, gürültü, vs) için gerekli yöntemler ve uygulamaları
Yazılı, sözlü anlatım
3. Hafta
Verinin anlaşılırlığını kolaylaştırmak adına görselleştirme teknikleri, Uzaklık, benzerlik ölçüleri ve uygulamaları
Yazılı, sözlü anlatım
4. Hafta
Çıkarımsal veri analizi, istatistiksel yöntemler
Yazılı, sözlü anlatım
5. Hafta
Teori ve uygulamaları ile regresyon çözümlemesi
Yazılı, sözlü anlatım
6. Hafta
Veriden öğrenme nedir? Sınıflama algoritmaları, karar ağaçları ve uygulamaları
Yazılı, sözlü anlatım
7. Hafta
Sınıflama algoritmaları, Naive Bayes ve uygulamaları
Akademik makale ve proje yazım kuralları. Dersin projesine ilişkin örnek çalışma, Veri biliminde kullanılan yazılım ve programların tanıtılması (Weka, R, Pyhton)
Yazılı, sözlü anlatım
11. Hafta
Kümeleme analizi, k-means, hiyerarşik kümeleme, en yakın komşu
Yazılı, sözlü anlatım
12. Hafta
Birliktelik kuralı, sepet analizi ve uygulamaları
Yazılı, sözlü anlatım
13. Hafta
Weka ve örnek çalışmalar, proje çalışması, genel tekrar
Yazılı, sözlü anlatım
14. Hafta
Proje/ödev sunumları
Yazılı, sözlü anlatım
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
30
Projeler
1
30
Final
1
40
ÖÇ-1
Farklı veri kaynaklarından toplanan farklı verileri bütünleştirip, tek bir forma getirebilecekler, temel veri temizliği yapabilecekler.
ÖÇ-2
Ellerindeki verinin ne anlama geldiğini ve nasıl kullanılabileceğini anlayacak ve ellerindeki veriyi sınıflandırma, regresyon, kümeleme, derin öğrenme, tahmin gibi makine öğrenmesi teknikleriyle ve istatistiksel yöntemlerle modelleyebilecekler.
ÖÇ-3
Ellerindeki veriye görselleştirme prosedürlerini uygulayabilecek ve buldukları sonuçlara yorum yapabilecekler.
ÖÇ-4
Gerçek dünyada karşılaştıkları problemleri verileri üzerinden tanımlayabilecekler.
ÖÇ-5
Gerçek dünyada karşılaştıkları problemleri çözmek için en uygun makine öğrenmesi tekniklerini seçebilecekler.
Program Çıktıları
PÇ-1
Yönetim süreçleri ve Yöneticilik konularında bilgi birikimi
PÇ-2
Mühendislik problemlerinin çözümü için gereken yöntem ve yetkinlikler ile ilgili bilgi birikimi ve uygulama becerisi
PÇ-3
Üretim ve hizmet sektörlerinin gelişen alanlarına yönelik bilgi birikimi