Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ BİLİMİ | 3+0 | 3 | 6 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Prof.Dr. Reda ALHAJJ |
| Dersi Verenler | Prof.Dr. Reda ALHAJJ |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu ders 21. yy'da hızla gelişen ve hem araştırmacılar hem de uygulamacılar için çok popüler olan veri biliminin temellerini ortaya koyar. Ders bir veri bilimcisinin sahip olması gereken temel yetenekleri öğrenciye aktarır ve öğrencinin bunları tıp, savunma sanayi, mühendislik, ve finans gibi farklı alanlara uygulamasını sağlar. Dersin amaçları 1) Verilen bir veride bilginin keşfinin gerçekleştirilmesi ve bunun için gerekli adımlar olan problemin tanımlanması, verinin toplanması, entegrasyonu, yönetimi, analizi, ve görüntülenmesi yani sunulması, 2) Verinin boyutu, çeşitliliği, değişimi, ve değeri gibi hususlarının öneminin anlaşılması ve bu tip farklılıklara nasıl yaklaşılması gerektiği, 3) Verideki bilginin keşfinde kullanılabilecek olan temel istatistiksel ve makine öğrenme yaklaşımlarının sunulması, 4) Ağ modellemesi ve graf analiz gibi güçlü alternatif teknikler ile veriden anlamlı bilginin çıkarılması, 5) Verinin sunulmasının iletişim için ne kadar etkin bir konu olduğunun anlaşılması, ve 6) Tavsiye sistemlerinin temellerinin anlaşılmasıdır. |
| Dersin İçeriği | Bu ders; Veri Bilimine, olasılık, istatistik ve lineer cebir konuların genel bir giriş. ,Temel veri modelleri, varlıkların ilişkisel modelleri, ilişkisel modeller ve SQL.,SQL'den NoSQL'e, ilişkisel olmayan veritabanları ve ilgili veri modelleri XML Modeli ve Xquery. ,NoSQL veritabanı, Mongo veritabanının durumu. ,Büyük verinin kaynakları ve tipleri, sıkça gerçekleşen örüntü analizleri. ,Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. ,Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. ,Ara sınav,Kümelenme,Sınıflandırma,Artımlı veri analizi ve veri yönetimi ve analizi için ölçeklenebilir metotlar. ,Ağ modelleri ve grafik analizleri. ,Verinin görselleştirilmesi. ,Tavsiye sistemleri; konularını içermektedir. |
| Dersin İçeriği | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Veri biliminin temelleri ve bir veri bilimcisinin sahip olması gereken farklı yeteneklerinin ne olduğunun anlaşılması. | 1, 16 | A, C, D, E |
| 2. Veri biliminin süreçleri arasında yer alan veri toplama için temellerin anlaşılması, verinin modellenmesi ve yönetiminin kavranması. | 1, 16 | A, C, D, E |
| 3. Temel istatistiksel modellemenin ve analizin veri bilimi süreçleri içerisinde anlaşılması. | 1, 16 | A, C, D, E |
| 4. Veri biliminin işlerini gerçekleştirmede kullanılan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. | 1, 16 | A, C, D, E |
| 4. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. | 1, 16 | A, C, D, E |
| 5. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan temel ağ modellemesinin ve graf analizlerinin anlaşılması. | 1, 16 | A, C, D, E |
| 6. Verinin sunumu ya da görüntülemesi için temel yaklaşımların ve verinin sunumunun temel iletişim için öneminin anlaşılması. | 1, 16 | A, C, D, E |
| Öğretim Yöntemleri: | 1: Anlatım, 16: Proje Temelli Öğrenme |
| Ölçme Yöntemleri: | A: Yazılı sınav, C: Ödev, D: Proje / Tasarım, E: Kısa Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
| 1 | Veri Bilimine, olasılık, istatistik ve lineer cebir konuların genel bir giriş. | Ders notları 1. Hafta |
| 2 | Temel veri modelleri, varlıkların ilişkisel modelleri, ilişkisel modeller ve SQL. | Lecture Notes, 2. Hafta. |
| 3 | SQL'den NoSQL'e, ilişkisel olmayan veritabanları ve ilgili veri modelleri XML Modeli ve Xquery. | Ders Notları 3. Hafta |
| 4 | NoSQL veritabanı, Mongo veritabanının durumu. | Ders notları, 4. Hafta. |
| 5 | Büyük verinin kaynakları ve tipleri, sıkça gerçekleşen örüntü analizleri. | Ders Notları 5. Hafta |
| 6 | Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. | Literatürün taraması. |
| 7 | Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. | Literatürün taraması. |
| 8 | Ara sınav | 7. haftaya kadar olan tüm konular |
| 9 | Kümelenme | Ders Notları 9. Hafta |
| 10 | Sınıflandırma | Ders Notları 10. Hafta |
| 11 | Artımlı veri analizi ve veri yönetimi ve analizi için ölçeklenebilir metotlar. | Ders Notları 11. Hafta |
| 12 | Ağ modelleri ve grafik analizleri. | Ders Notları 12. Hafta |
| 13 | Verinin görselleştirilmesi. | Ders Notları 13. Hafta |
| 14 | Tavsiye sistemleri | Ders Notları 14. Hafta |
| Kaynak |
| Bu ders için temel bir kitap önerilmemektedir. Ders notları, ders sunuları, araştırma makaleleri, ve bazı kitap kısımları bu ders için kaynak teşkil edeceklerdir. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 0 | 1. Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | X | |||||
| 0 | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
| 0 | 3. Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
| 0 | 4. Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
| 0 | 5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
| 0 | 6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
| 0 | 7. Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | X | |||||
| 0 | 8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
| 0 | 9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | X | |||||
| 0 | 10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | ||||||
| 0 | 11. Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık | X | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 30 | |
| Genel Sınavın Başarıya Oranı | 70 | |
| Toplam | 100 | |