Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|
| VERİ BİLİMİ | BPR2214995 | Bahar Dönemi | 3+0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Öğr.Gör. Beyza KOYULMUŞ |
| Dersi Verenler | Öğr.Gör. Beyza KOYULMUŞ |
| Dersin Yardımcıları | |
| Dersin Amacı | Çeşitli veriden bilgi elde etmek için uygulanan tüm yöntemleri, süreçleri, algoritmaları ve yazılımları öğretmeyi amaçlamaktadır. |
| Dersin İçeriği | Bu ders; Veri Bilimine Giriş,Veri Bilimi temel kavramları,Veri biliminde uygulama geliştirme aşamaları,Veri biliminde kullanılan araçların incelenmesi,Veri seti oluşturma,Keşifçi veri analizi işlemleri: veri seti üzerinde inceleme ve hazırlama işlemleri,Keşifçi veri analizi işlemleri: öznitelik ekleme ve çıkarma,Keşifçi veri analizi işlemleri: veri filtreleme, eksik verileri tamamlama,Keşifçi veri analizi işlemleri: temel istatistiki bilgileri edinme,Keşifçi veri analizi işlemleri: aykırı değer tespiti,Keşifçi veri analizi işlemleri: veri görselleştirme,Makine öğrenmesi algoritmalarının kullanımı (sınıflandırma ve kümeleme),Proje Geliştirme,Proje Geliştirme; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Veri seti üzerinde veri bilimi uygulaması geliştirir | 2, 6, 9 | A, E, F |
| Veri Bilimi ve Büyük Veri arasındaki ilişkiyi tanımlar. | 2, 23, 9 | A, E, F |
| Veri bilimine ait temel kavramları açıklar. | 2, 6, 9 | A, E, F |
| Veri setleri üzerinde inceleme yapar. | 2, 6, 9 | A, E, F |
| Veri bilimi ve modelleme araçlarını kullanma becerisi kazanır | 2, 6, 9 | A, E, F |
| Veriden faydalı bilgi çıkarma aşamalarını öğrenir | 2, 9 | A, E, F |
| Öğretim Yöntemleri: | 2: Proje Temelli Öğrenme Modeli, 23: Kavram Haritası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|
| 1 | Veri Bilimine Giriş | |
| 2 | Veri Bilimi temel kavramları | |
| 3 | Veri biliminde uygulama geliştirme aşamaları | |
| 4 | Veri biliminde kullanılan araçların incelenmesi | |
| 5 | Veri seti oluşturma | |
| 6 | Keşifçi veri analizi işlemleri: veri seti üzerinde inceleme ve hazırlama işlemleri | |
| 7 | Keşifçi veri analizi işlemleri: öznitelik ekleme ve çıkarma | |
| 8 | Keşifçi veri analizi işlemleri: veri filtreleme, eksik verileri tamamlama | |
| 9 | Keşifçi veri analizi işlemleri: temel istatistiki bilgileri edinme | |
| 10 | Keşifçi veri analizi işlemleri: aykırı değer tespiti | |
| 11 | Keşifçi veri analizi işlemleri: veri görselleştirme | |
| 12 | Makine öğrenmesi algoritmalarının kullanımı (sınıflandırma ve kümeleme) | |
| 13 | Proje Geliştirme | |
| 14 | Proje Geliştirme | |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı |
| No | Program Yeterliliği | Katkı Düzeyi |
| 1 | 2 | 3 | 4 | 5 |
| 1 | Algoritma programlama, bilgisayar uygulaması geliştirme ve yazılım projelerinde kod geliştirme konularında yeterli altyapıya ve bunları iş hayatlarında kullanma yeteneğine sahiptir. | | | X | | |
| 2 | Programlama problemleri için bilinen çözüm yöntemlerini ve özel teknikleri kullanır ve uygular. | | | X | | |
| 3 | Yazılım uygulamaları için gerekli olan modern teknik ve araçları kullanır. | | | X | | |
| 4 | Bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır. | | | X | | |
| 5 | Geliştirilmiş uygulama veya yazılımın test aşamalarını gerçekler ve takip eder. | X | | | | |
| 6 | İşyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, mesleki ve etik sorumluluk, programlama uygulamalarının hukuksal sonuçları konularında farkındalığa sahiptir. | X | | | | |
| 7 | Bilgiye erişir ve bu amaçla kaynak araştırması yapar. | | | | | X |
| 8 | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | | | X | | |
| 9 | Sözlü ve yazılı, gerektiğinde teknik resimler ve modern araçlar kullanarak etkin iletişim kurar. | X | | | | |
| 10 | Yazılım çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincinde olur; çağın sorunları çözmede ve toplumsal ilerlemede yeni yazılımlar geliştirir. | | | | X | |
| 11 | Geliştirdiği yazılımın temiz ve anlaşılır olmasına özen ve dikkat gösterir. | | | X | | |
| 12 | Kullanıcı odaklı tasarım ilkelerine riayet eder. | X | | | | |
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme |
| Ara Sınavın Başarıya Oranı | | 40 |
| Genel Sınavın Başarıya Oranı | | 60 |
| Toplam | | 100 |
| AKTS / İşyükü Tablosu |
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) |
| Ders Saati | 0 | 0 | 0 |
| Rehberli Problem Çözme | 0 | 0 | 0 |
| Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 0 | 0 | 0 |
| Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 |
| Proje Sunumu / Seminer | 0 | 0 | 0 |
| Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 |
| Ara Sınav ve Hazırlığı | 0 | 0 | 0 |
| Genel Sınav ve Hazırlığı | 0 | 0 | 0 |
| Performans Görevi, Bakım Planı | 0 | 0 | 0 |
| Toplam İş Yükü (Saat) | 0 |
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30) | 0 |
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|
| VERİ BİLİMİ | BPR2214995 | Bahar Dönemi | 3+0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Öğr.Gör. Beyza KOYULMUŞ |
| Dersi Verenler | Öğr.Gör. Beyza KOYULMUŞ |
| Dersin Yardımcıları | |
| Dersin Amacı | Çeşitli veriden bilgi elde etmek için uygulanan tüm yöntemleri, süreçleri, algoritmaları ve yazılımları öğretmeyi amaçlamaktadır. |
| Dersin İçeriği | Bu ders; Veri Bilimine Giriş,Veri Bilimi temel kavramları,Veri biliminde uygulama geliştirme aşamaları,Veri biliminde kullanılan araçların incelenmesi,Veri seti oluşturma,Keşifçi veri analizi işlemleri: veri seti üzerinde inceleme ve hazırlama işlemleri,Keşifçi veri analizi işlemleri: öznitelik ekleme ve çıkarma,Keşifçi veri analizi işlemleri: veri filtreleme, eksik verileri tamamlama,Keşifçi veri analizi işlemleri: temel istatistiki bilgileri edinme,Keşifçi veri analizi işlemleri: aykırı değer tespiti,Keşifçi veri analizi işlemleri: veri görselleştirme,Makine öğrenmesi algoritmalarının kullanımı (sınıflandırma ve kümeleme),Proje Geliştirme,Proje Geliştirme; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Veri seti üzerinde veri bilimi uygulaması geliştirir | 2, 6, 9 | A, E, F |
| Veri Bilimi ve Büyük Veri arasındaki ilişkiyi tanımlar. | 2, 23, 9 | A, E, F |
| Veri bilimine ait temel kavramları açıklar. | 2, 6, 9 | A, E, F |
| Veri setleri üzerinde inceleme yapar. | 2, 6, 9 | A, E, F |
| Veri bilimi ve modelleme araçlarını kullanma becerisi kazanır | 2, 6, 9 | A, E, F |
| Veriden faydalı bilgi çıkarma aşamalarını öğrenir | 2, 9 | A, E, F |
| Öğretim Yöntemleri: | 2: Proje Temelli Öğrenme Modeli, 23: Kavram Haritası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|
| 1 | Veri Bilimine Giriş | |
| 2 | Veri Bilimi temel kavramları | |
| 3 | Veri biliminde uygulama geliştirme aşamaları | |
| 4 | Veri biliminde kullanılan araçların incelenmesi | |
| 5 | Veri seti oluşturma | |
| 6 | Keşifçi veri analizi işlemleri: veri seti üzerinde inceleme ve hazırlama işlemleri | |
| 7 | Keşifçi veri analizi işlemleri: öznitelik ekleme ve çıkarma | |
| 8 | Keşifçi veri analizi işlemleri: veri filtreleme, eksik verileri tamamlama | |
| 9 | Keşifçi veri analizi işlemleri: temel istatistiki bilgileri edinme | |
| 10 | Keşifçi veri analizi işlemleri: aykırı değer tespiti | |
| 11 | Keşifçi veri analizi işlemleri: veri görselleştirme | |
| 12 | Makine öğrenmesi algoritmalarının kullanımı (sınıflandırma ve kümeleme) | |
| 13 | Proje Geliştirme | |
| 14 | Proje Geliştirme | |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı |
| No | Program Yeterliliği | Katkı Düzeyi |
| 1 | 2 | 3 | 4 | 5 |
| 1 | Algoritma programlama, bilgisayar uygulaması geliştirme ve yazılım projelerinde kod geliştirme konularında yeterli altyapıya ve bunları iş hayatlarında kullanma yeteneğine sahiptir. | | | X | | |
| 2 | Programlama problemleri için bilinen çözüm yöntemlerini ve özel teknikleri kullanır ve uygular. | | | X | | |
| 3 | Yazılım uygulamaları için gerekli olan modern teknik ve araçları kullanır. | | | X | | |
| 4 | Bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır. | | | X | | |
| 5 | Geliştirilmiş uygulama veya yazılımın test aşamalarını gerçekler ve takip eder. | X | | | | |
| 6 | İşyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, mesleki ve etik sorumluluk, programlama uygulamalarının hukuksal sonuçları konularında farkındalığa sahiptir. | X | | | | |
| 7 | Bilgiye erişir ve bu amaçla kaynak araştırması yapar. | | | | | X |
| 8 | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | | | X | | |
| 9 | Sözlü ve yazılı, gerektiğinde teknik resimler ve modern araçlar kullanarak etkin iletişim kurar. | X | | | | |
| 10 | Yazılım çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincinde olur; çağın sorunları çözmede ve toplumsal ilerlemede yeni yazılımlar geliştirir. | | | | X | |
| 11 | Geliştirdiği yazılımın temiz ve anlaşılır olmasına özen ve dikkat gösterir. | | | X | | |
| 12 | Kullanıcı odaklı tasarım ilkelerine riayet eder. | X | | | | |
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme |
| Ara Sınavın Başarıya Oranı | | 40 |
| Genel Sınavın Başarıya Oranı | | 60 |
| Toplam | | 100 |
Sayısal Veriler
Ekleme Tarihi: 27/01/2023 - 09:48Son Güncelleme Tarihi: 27/01/2023 - 10:09
