Ana içeriğe atla

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
VERİ BİLİMİ -Güz Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Reda ALHAJJ
Dersi VerenlerProf.Dr. Reda ALHAJJ
Dersin Yardımcıları
Dersin AmacıBu 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 İçeriğiBu 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 tekrarı,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 Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri biliminin temelleri ve bir veri bilimcisinin sahip olması gereken farklı yeteneklerinin ne olduğunun anlaşılması.2, 9A, E, F, G
2. Veri biliminin süreçleri arasında yer alan veri toplama için temellerin anlaşılması, verinin modellenmesi ve yönetiminin kavranması. 2, 9A, E, F, G
3. Temel istatistiksel modellemenin ve analizin veri bilimi süreçleri içerisinde anlaşılması. 2, 9A, E, F, G
4. Veri biliminin işlerini gerçekleştirmede kullanılan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. 2, 9A, E, F, G
4. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. 2, 9A, E, F, G
5. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan temel ağ modellemesinin ve graf analizlerinin anlaşılması. 2, 9A, E, F, G
6. Verinin sunumu ya da görüntülemesi için temel yaklaşımların ve verinin sunumunun temel iletişim için öneminin anlaşılması. 2, 9A, E, F, G
Öğretim Yöntemleri:2: Proje Temelli Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi, G: Kısa Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Veri Bilimine, olasılık, istatistik ve lineer cebir konuların genel bir giriş. Ders notları 1. Hafta
2Temel veri modelleri, varlıkların ilişkisel modelleri, ilişkisel modeller ve SQL.Lecture Notes, 2. Hafta.
3SQL'den NoSQL'e, ilişkisel olmayan veritabanları ve ilgili veri modelleri XML Modeli ve Xquery. Ders Notları 3. Hafta
4NoSQL veritabanı, Mongo veritabanının durumu. Ders notları, 4. Hafta.
5Büyük verinin kaynakları ve tipleri, sıkça gerçekleşen örüntü analizleri. Ders Notları 5. Hafta
6Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. Literatürün taraması.
7Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. Literatürün taraması.
8Ara sınav tekrarı7. haftaya kadar olan tüm konular
9KümelenmeDers Notları 9. Hafta
10SınıflandırmaDers Notları 10. Hafta
11Artımlı veri analizi ve veri yönetimi ve analizi için ölçeklenebilir metotlar. Ders Notları 11. Hafta
12Ağ modelleri ve grafik analizleri. Ders Notları 12. Hafta
13Verinin görselleştirilmesi. Ders Notları 13. Hafta
14Tavsiye sistemleriDers 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
NoProgram Yeterliliği Katkı Düzeyi
12345
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
2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
X
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
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
5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
X
6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
X
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
8
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
X
9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
X
10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
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
12
İnsan vücudunu anlama ve onarmada mühendisliğin ilkelerini uygulama ve karar verme yetisi

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Saati14342
Rehberli Problem Çözme000
Problem Çözümü / Ödev / Proje / Rapor Tanzimi5840
Okul Dışı Diğer Faaliyetler000
Proje Sunumu / Seminer22448
Kısa Sınav (QUİZ) ve Hazırlığı515
Ara Sınav ve Hazırlığı12424
Genel Sınav ve Hazırlığı12424
Performans Görevi, Bakım Planı000
Toplam İş Yükü (Saat)183
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(183/30)6
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
VERİ BİLİMİ -Güz Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Reda ALHAJJ
Dersi VerenlerProf.Dr. Reda ALHAJJ
Dersin Yardımcıları
Dersin AmacıBu 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 İçeriğiBu 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 tekrarı,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 Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri biliminin temelleri ve bir veri bilimcisinin sahip olması gereken farklı yeteneklerinin ne olduğunun anlaşılması.2, 9A, E, F, G
2. Veri biliminin süreçleri arasında yer alan veri toplama için temellerin anlaşılması, verinin modellenmesi ve yönetiminin kavranması. 2, 9A, E, F, G
3. Temel istatistiksel modellemenin ve analizin veri bilimi süreçleri içerisinde anlaşılması. 2, 9A, E, F, G
4. Veri biliminin işlerini gerçekleştirmede kullanılan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. 2, 9A, E, F, G
4. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan makine öğrenmesi algoritmalarının ve tekniklerinin anlaşılması. 2, 9A, E, F, G
5. Veri biliminin işlerini gerçekleştirmede kullanılabilecek olan temel ağ modellemesinin ve graf analizlerinin anlaşılması. 2, 9A, E, F, G
6. Verinin sunumu ya da görüntülemesi için temel yaklaşımların ve verinin sunumunun temel iletişim için öneminin anlaşılması. 2, 9A, E, F, G
Öğretim Yöntemleri:2: Proje Temelli Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi, G: Kısa Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Veri Bilimine, olasılık, istatistik ve lineer cebir konuların genel bir giriş. Ders notları 1. Hafta
2Temel veri modelleri, varlıkların ilişkisel modelleri, ilişkisel modeller ve SQL.Lecture Notes, 2. Hafta.
3SQL'den NoSQL'e, ilişkisel olmayan veritabanları ve ilgili veri modelleri XML Modeli ve Xquery. Ders Notları 3. Hafta
4NoSQL veritabanı, Mongo veritabanının durumu. Ders notları, 4. Hafta.
5Büyük verinin kaynakları ve tipleri, sıkça gerçekleşen örüntü analizleri. Ders Notları 5. Hafta
6Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. Literatürün taraması.
7Öğrencilerin araştırma konuları ve teknikleri ile ilgili sunumları. Literatürün taraması.
8Ara sınav tekrarı7. haftaya kadar olan tüm konular
9KümelenmeDers Notları 9. Hafta
10SınıflandırmaDers Notları 10. Hafta
11Artımlı veri analizi ve veri yönetimi ve analizi için ölçeklenebilir metotlar. Ders Notları 11. Hafta
12Ağ modelleri ve grafik analizleri. Ders Notları 12. Hafta
13Verinin görselleştirilmesi. Ders Notları 13. Hafta
14Tavsiye sistemleriDers 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
NoProgram Yeterliliği Katkı Düzeyi
12345
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
2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
X
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
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
5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
X
6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
X
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
8
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
X
9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
X
10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
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
12
İnsan vücudunu anlama ve onarmada mühendisliğin ilkelerini uygulama ve karar verme yetisi

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Ekleme Tarihi: 06/07/2022 - 16:47Son Güncelleme Tarihi: 06/07/2022 - 16:48