|
|
| YZT1005 | Veri Bilimine Giriş | 3+2+0 | AKTS:6 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Ön Lisans | | Yazılım Şekli | Zorunlu | | Bölümü | ELEKTRONİK VE OTOMASYON BÖLÜMÜ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Uzaktan Eğitim | | Dersin Süresi | 14 hafta - haftada 3 saat teorik ve 2 saat uygulama | | Öğretim Üyesi | Öğr. Gör. Didem ÇAKIR | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Makine öğrenimi, yapay zeka ve büyük veri alanlarında uzmanlaşmış, veri bilimine giriş düzeyinde bilgi sahibi edinilmeyi amaçlamaktadır. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Temel veri bilimi bilgisine sahip olur. | 1 | 1, | | ÖK - 2 : | Temel istatistik bilgileri edinir. | 2 - 3 | 1, | | ÖK - 3 : | Veri analizi yapabilir. | 3 - 5 | 1, | | ÖK - 4 : | Veri bilimi alanında projeler uygulayabilir. | 6 - 7 | 1, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Veri bilimi alanında öğrencilerin, temel veri okur yazarlığı bilgileri edinir, veri analizi yapabilir ve veri bilimi hakkında yazılım becerisini geliştirir. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Veri bilimi nedir? | | | Hafta 2 | Veri bilimi tarihçesi ve diğer bilimlerle ilişkisi | | | Hafta 3 | Veri nedir? | | | Hafta 4 | Veri türleri | | | Hafta 5 | Veri okur-yazarlığı | | | Hafta 6 | Veri yapıları | | | Hafta 7 | Veri yapıları | | | Hafta 8 | Veri toplama yöntemleri | | | Hafta 9 | Arasınav | | | Hafta 10 | Veri analitiğine giriş | | | Hafta 11 | Veri analizi örnek uygulamaları | | | Hafta 12 | Grafik türleri ve veri görselleştirme | | | Hafta 13 | Grafik türleri ve veri görselleştirme | | | Hafta 14 | Veri görselleştirme uygulamaları (Phyton, Matlab, vb.) | | | Hafta 15 | Veri görselleştirme uygulamaları (Phyton, Matlab, vb.) | | | Hafta 16 | Bu ders için Ara Sınav, 9. ve 16. haftalar arasındaki bir tarihte yapılır. Sınavın yapıldığı tarihten itibaren konular bir hafta ileri alınır | | | |
| 1 | VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data. Sebastopol, CA: O'Reilly Media.
| | | |
| 1 |
Güven, F. (2021). Veri Bilimine Giriş ve Python ile Uygulamalar. Ankara: Akademik Yayınları. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 1 | 50 | | Dönem sonu sınavı | 16 | | 1 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 5 | 14 | 70 | | Sınıf dışı çalışma | 3 | 14 | 42 | | Arasınav için hazırlık | 1 | 14 | 14 | | Arasınav | 1 | 1 | 1 | | Dönem sonu sınavı için hazırlık | 3 | 14 | 42 | | Dönem sonu sınavı | 1 | 1 | 1 | | Toplam Çalışma Yükü | | | 170 |
|