Ders Detayı
Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ YAPILARI | BME2233850 | Bahar Dönemi | 3+2 | 4 | 8 |
| Ders Programı | Pazartesi 17:30-18:15 Pazartesi 18:30-19:15 Perşembe 14:30-15:15 Perşembe 15:30-16:15 Perşembe 16:30-17:15 Perşembe 20:30-21:15 Perşembe 21:30-22:15 Perşembe 22:30-23:15 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üye. Ahmet KAPLAN |
| Dersi Verenler | Dr.Öğr.Üye. Ahmet KAPLAN |
| Dersin Yardımcıları | Dersin laboratuvarlarını gerçekleştirecek olan dersin asistanı. |
| Dersin Amacı | Bu ders, farklı tip problemlerin çözümünde etkili algoritma tasarımı için, bir bilgisayardaki verinin nasıl organize edilmesi gerektiğini öğretmeyi amaçlamaktadır. İşlenen konular, diziler, listeler, yığıtlar, sıralar, ağaçlar, yığınlar, çizgeler ve arama, sıralama, seçme ve diğer benzeri uygulamalar için bu veri yapılarının kullanımını kapsamaktadır. Ders Python programlama dili üzerinde konuları işleyecektir. |
| Dersin İçeriği | Bu ders; Veri yapıları ve algoritmalara giriş; Python Programlama Temel Giriş Yapay zeka IDE uzantılarının kurulumu. Karmaşıklık sınıflarını açıklamak için yapay zekanın kullanımı.,Fonksiyonlar, Dizinler ve İşaretleyiciler Yapay zekâ destekli prompt sorguları ile düğüm sınıfları ve temel fonksiyonları oluşturma.,Python'da Dizeler, Yapılar ve Bellek Atama Bu yapıları kullanarak yapay zeka ile gerçek dünya senaryolarını (örneğin, işlemci zamanlaması) simüle etmek,Algoritma analizi ve karmaşıklık gösterimleri Yapay zekâdan, algoritmaları analiz etmesini istemek ve halüsinasyonlar meydana geldiğinde sorunları tespit etmek.,Temel veri yapıları: Bağlı Listeler, Yığınlar ve Kuyruklar Bağlı listeler, yığınlar ve kuyrukları görselleştirmek ve farklılıkları belirlemek için yapay zeka ile çalışma.,Özyineleme ve Arama Yapay zekadan özyinelemeli çağrıları görselleştirmesini ve yığın taşmasını önlemek için temel durumları belirlemesini istemek.,Sıralama Algoritmaları Hızlı sıralama (quicksort) ve birleştirme sıralaması (mergesort) algoritmalarının yapay zeka destekli karşılaştırmalı analizi.,Ağaçlar ve İkili Arama Ağaçları Yapay Zeka Destekli Ekleme, Silme ve Dengeleme Mantığı Uygulaması,Öncelik Kuyrukları ve Yığınlar Yapay Zekayı Kullanarak Mühendislik Optimizasyon Problemlerinde Öncelik Kuyruklarının Uygulanması.,Graf Algoritmaları (BFS/DFS) Komşuluk matrisleri ve komşuluk listeleri için geçiş yolları oluşturmak üzere yapay zeka ile çalışma.,Hash Fonksiyonları ve Çakışma Analizi Yapay zekayı kullanarak hash fonksiyonları önerme, çakışma oranlarını analiz etme, hash haritalar ve ağaçlar kullanarak büyük veri kümelerini analiz etme.,Kodun Yeniden Yapılandırılması ve Optimizasyonu Çalışan ancak verimsiz kodu yapay zekaya gönderip optimize edilmiş alternatifler istemek.,Yapay Zeka Kodunda Hata Ayıklama Hatalı yapay zeka kodunu kasıtlı olarak kullanmak ve öğrencilere bu kodda nasıl hata ayıklayacaklarını öğretmek.; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Algoritma analizinin ana ilkelerini açıklar | 12, 21, 6, 9 | A |
| Diziler, listeler, yığıt ve sıra gibi temel veri yapılarını algoritma tasarımında kullanır | 12, 17, 2, 21, 6, 9 | A, F |
| Ağaç, ikili ağaç, yığın, hash tabloları, ve çizge veri yapılarını problem çözümlerinde uygular | 12, 17, 6, 9 | A |
| Bir problemin etkili çözümü için uygun veri yapısını seçer | 12, 17, 2, 6, 9 | F |
| Bir algoritmik çözümün doğruluğunu, karmaşıklığını ve verimliliğini analiz eder | 17, 2, 21, 6, 9 | A, F |
| Yapay zeka araçlarını kullanarak hazır kod şablonları oluşturur, karmaşık algoritmaları açıklar ve kodda verimli bir şekilde hata ayıklar. | 5 | E |
| Yapay zeka tarafından üretilen kodun doğruluğunu, verimliliğini ve güvenlik açıklarını değerlendirir. | 19, 37 | F |
| Öğretim Yöntemleri: | 12: Problem Çözme Yöntemi, 17: Deney yapma Tekniği, 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 37: Bilgisayar Ve İnternet Destekli Öğretim, 5: İşbirlikli Öğrenme Modeli, 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 yapıları ve algoritmalara giriş; Python Programlama Temel Giriş Yapay zeka IDE uzantılarının kurulumu. Karmaşıklık sınıflarını açıklamak için yapay zekanın kullanımı. | Kitap Bölümü 1, Ders Sunuları 1 |
| 2 | Fonksiyonlar, Dizinler ve İşaretleyiciler Yapay zekâ destekli prompt sorguları ile düğüm sınıfları ve temel fonksiyonları oluşturma. | Kitap Bölümü 1 ve 3, Ders Sunuları 2 |
| 3 | Python'da Dizeler, Yapılar ve Bellek Atama Bu yapıları kullanarak yapay zeka ile gerçek dünya senaryolarını (örneğin, işlemci zamanlaması) simüle etmek | Kitap Bölümü 4 ve 5, Ders Sunuları 3 |
| 4 | Algoritma analizi ve karmaşıklık gösterimleri Yapay zekâdan, algoritmaları analiz etmesini istemek ve halüsinasyonlar meydana geldiğinde sorunları tespit etmek. | Kitap Bölümü 2, Ders Sunuları 4 |
| 5 | Temel veri yapıları: Bağlı Listeler, Yığınlar ve Kuyruklar Bağlı listeler, yığınlar ve kuyrukları görselleştirmek ve farklılıkları belirlemek için yapay zeka ile çalışma. | Kitap Bölümü 6, Ders Sunuları 4 |
| 6 | Özyineleme ve Arama Yapay zekadan özyinelemeli çağrıları görselleştirmesini ve yığın taşmasını önlemek için temel durumları belirlemesini istemek. | Kitap Bölümü 7, Ders Sunuları 6 |
| 7 | Sıralama Algoritmaları Hızlı sıralama (quicksort) ve birleştirme sıralaması (mergesort) algoritmalarının yapay zeka destekli karşılaştırmalı analizi. | Kitap Bölümü 8, Ders Sunuları 7 |
| 8 | Ağaçlar ve İkili Arama Ağaçları Yapay Zeka Destekli Ekleme, Silme ve Dengeleme Mantığı Uygulaması | Kitap Bölümü 9,10,11 Ders Sunuları 8 |
| 9 | Öncelik Kuyrukları ve Yığınlar Yapay Zekayı Kullanarak Mühendislik Optimizasyon Problemlerinde Öncelik Kuyruklarının Uygulanması. | Kitap Bölümü 12, Ders Sunuları 10 |
| 10 | Graf Algoritmaları (BFS/DFS) Komşuluk matrisleri ve komşuluk listeleri için geçiş yolları oluşturmak üzere yapay zeka ile çalışma. | Kitap Bölümü 13, Ders Sunuları 11 |
| 11 | Hash Fonksiyonları ve Çakışma Analizi Yapay zekayı kullanarak hash fonksiyonları önerme, çakışma oranlarını analiz etme, hash haritalar ve ağaçlar kullanarak büyük veri kümelerini analiz etme. | Kitap Bölümü 14, 15, Ders Sunuları 13 |
| 12 | Kodun Yeniden Yapılandırılması ve Optimizasyonu Çalışan ancak verimsiz kodu yapay zekaya gönderip optimize edilmiş alternatifler istemek. | Kitap Bölümü 16, Ders Sunuları 14 |
| 13 | Yapay Zeka Kodunda Hata Ayıklama Hatalı yapay zeka kodunu kasıtlı olarak kullanmak ve öğrencilere bu kodda nasıl hata ayıklayacaklarını öğretmek. |
| Kaynak |
| Ders Kitabı: Problem Solving with Algorithms and Data Structures using Python By Brad Miller and David Ranum, Luther College |
| Yardımcı Kaynaklar: https://runestone.academy/ns/books/published/medipol_datastructures_spring2026/index.html Ders sunum ve notları |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 | ||||||
| 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 | ||||||
| 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 | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 30 | |
| Genel Sınavın Başarıya Oranı | 70 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Ders Saati | 14 | 3 | 42 | |||
| Rehberli Problem Çözme | 14 | 2 | 28 | |||
| Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 14 | 5 | 70 | |||
| Okul Dışı Diğer Faaliyetler | 14 | 2 | 28 | |||
| Proje Sunumu / Seminer | 0 | 0 | 0 | |||
| Kısa Sınav (QUİZ) ve Hazırlığı | 7 | 1 | 7 | |||
| Ara Sınav ve Hazırlığı | 1 | 30 | 30 | |||
| Genel Sınav ve Hazırlığı | 1 | 40 | 40 | |||
| Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
| Toplam İş Yükü (Saat) | 245 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(245/30) | 8 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ YAPILARI | BME2233850 | Bahar Dönemi | 3+2 | 4 | 8 |
| Ders Programı | Pazartesi 17:30-18:15 Pazartesi 18:30-19:15 Perşembe 14:30-15:15 Perşembe 15:30-16:15 Perşembe 16:30-17:15 Perşembe 20:30-21:15 Perşembe 21:30-22:15 Perşembe 22:30-23:15 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üye. Ahmet KAPLAN |
| Dersi Verenler | Dr.Öğr.Üye. Ahmet KAPLAN |
| Dersin Yardımcıları | Dersin laboratuvarlarını gerçekleştirecek olan dersin asistanı. |
| Dersin Amacı | Bu ders, farklı tip problemlerin çözümünde etkili algoritma tasarımı için, bir bilgisayardaki verinin nasıl organize edilmesi gerektiğini öğretmeyi amaçlamaktadır. İşlenen konular, diziler, listeler, yığıtlar, sıralar, ağaçlar, yığınlar, çizgeler ve arama, sıralama, seçme ve diğer benzeri uygulamalar için bu veri yapılarının kullanımını kapsamaktadır. Ders Python programlama dili üzerinde konuları işleyecektir. |
| Dersin İçeriği | Bu ders; Veri yapıları ve algoritmalara giriş; Python Programlama Temel Giriş Yapay zeka IDE uzantılarının kurulumu. Karmaşıklık sınıflarını açıklamak için yapay zekanın kullanımı.,Fonksiyonlar, Dizinler ve İşaretleyiciler Yapay zekâ destekli prompt sorguları ile düğüm sınıfları ve temel fonksiyonları oluşturma.,Python'da Dizeler, Yapılar ve Bellek Atama Bu yapıları kullanarak yapay zeka ile gerçek dünya senaryolarını (örneğin, işlemci zamanlaması) simüle etmek,Algoritma analizi ve karmaşıklık gösterimleri Yapay zekâdan, algoritmaları analiz etmesini istemek ve halüsinasyonlar meydana geldiğinde sorunları tespit etmek.,Temel veri yapıları: Bağlı Listeler, Yığınlar ve Kuyruklar Bağlı listeler, yığınlar ve kuyrukları görselleştirmek ve farklılıkları belirlemek için yapay zeka ile çalışma.,Özyineleme ve Arama Yapay zekadan özyinelemeli çağrıları görselleştirmesini ve yığın taşmasını önlemek için temel durumları belirlemesini istemek.,Sıralama Algoritmaları Hızlı sıralama (quicksort) ve birleştirme sıralaması (mergesort) algoritmalarının yapay zeka destekli karşılaştırmalı analizi.,Ağaçlar ve İkili Arama Ağaçları Yapay Zeka Destekli Ekleme, Silme ve Dengeleme Mantığı Uygulaması,Öncelik Kuyrukları ve Yığınlar Yapay Zekayı Kullanarak Mühendislik Optimizasyon Problemlerinde Öncelik Kuyruklarının Uygulanması.,Graf Algoritmaları (BFS/DFS) Komşuluk matrisleri ve komşuluk listeleri için geçiş yolları oluşturmak üzere yapay zeka ile çalışma.,Hash Fonksiyonları ve Çakışma Analizi Yapay zekayı kullanarak hash fonksiyonları önerme, çakışma oranlarını analiz etme, hash haritalar ve ağaçlar kullanarak büyük veri kümelerini analiz etme.,Kodun Yeniden Yapılandırılması ve Optimizasyonu Çalışan ancak verimsiz kodu yapay zekaya gönderip optimize edilmiş alternatifler istemek.,Yapay Zeka Kodunda Hata Ayıklama Hatalı yapay zeka kodunu kasıtlı olarak kullanmak ve öğrencilere bu kodda nasıl hata ayıklayacaklarını öğretmek.; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Algoritma analizinin ana ilkelerini açıklar | 12, 21, 6, 9 | A |
| Diziler, listeler, yığıt ve sıra gibi temel veri yapılarını algoritma tasarımında kullanır | 12, 17, 2, 21, 6, 9 | A, F |
| Ağaç, ikili ağaç, yığın, hash tabloları, ve çizge veri yapılarını problem çözümlerinde uygular | 12, 17, 6, 9 | A |
| Bir problemin etkili çözümü için uygun veri yapısını seçer | 12, 17, 2, 6, 9 | F |
| Bir algoritmik çözümün doğruluğunu, karmaşıklığını ve verimliliğini analiz eder | 17, 2, 21, 6, 9 | A, F |
| Yapay zeka araçlarını kullanarak hazır kod şablonları oluşturur, karmaşık algoritmaları açıklar ve kodda verimli bir şekilde hata ayıklar. | 5 | E |
| Yapay zeka tarafından üretilen kodun doğruluğunu, verimliliğini ve güvenlik açıklarını değerlendirir. | 19, 37 | F |
| Öğretim Yöntemleri: | 12: Problem Çözme Yöntemi, 17: Deney yapma Tekniği, 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 37: Bilgisayar Ve İnternet Destekli Öğretim, 5: İşbirlikli Öğrenme Modeli, 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 yapıları ve algoritmalara giriş; Python Programlama Temel Giriş Yapay zeka IDE uzantılarının kurulumu. Karmaşıklık sınıflarını açıklamak için yapay zekanın kullanımı. | Kitap Bölümü 1, Ders Sunuları 1 |
| 2 | Fonksiyonlar, Dizinler ve İşaretleyiciler Yapay zekâ destekli prompt sorguları ile düğüm sınıfları ve temel fonksiyonları oluşturma. | Kitap Bölümü 1 ve 3, Ders Sunuları 2 |
| 3 | Python'da Dizeler, Yapılar ve Bellek Atama Bu yapıları kullanarak yapay zeka ile gerçek dünya senaryolarını (örneğin, işlemci zamanlaması) simüle etmek | Kitap Bölümü 4 ve 5, Ders Sunuları 3 |
| 4 | Algoritma analizi ve karmaşıklık gösterimleri Yapay zekâdan, algoritmaları analiz etmesini istemek ve halüsinasyonlar meydana geldiğinde sorunları tespit etmek. | Kitap Bölümü 2, Ders Sunuları 4 |
| 5 | Temel veri yapıları: Bağlı Listeler, Yığınlar ve Kuyruklar Bağlı listeler, yığınlar ve kuyrukları görselleştirmek ve farklılıkları belirlemek için yapay zeka ile çalışma. | Kitap Bölümü 6, Ders Sunuları 4 |
| 6 | Özyineleme ve Arama Yapay zekadan özyinelemeli çağrıları görselleştirmesini ve yığın taşmasını önlemek için temel durumları belirlemesini istemek. | Kitap Bölümü 7, Ders Sunuları 6 |
| 7 | Sıralama Algoritmaları Hızlı sıralama (quicksort) ve birleştirme sıralaması (mergesort) algoritmalarının yapay zeka destekli karşılaştırmalı analizi. | Kitap Bölümü 8, Ders Sunuları 7 |
| 8 | Ağaçlar ve İkili Arama Ağaçları Yapay Zeka Destekli Ekleme, Silme ve Dengeleme Mantığı Uygulaması | Kitap Bölümü 9,10,11 Ders Sunuları 8 |
| 9 | Öncelik Kuyrukları ve Yığınlar Yapay Zekayı Kullanarak Mühendislik Optimizasyon Problemlerinde Öncelik Kuyruklarının Uygulanması. | Kitap Bölümü 12, Ders Sunuları 10 |
| 10 | Graf Algoritmaları (BFS/DFS) Komşuluk matrisleri ve komşuluk listeleri için geçiş yolları oluşturmak üzere yapay zeka ile çalışma. | Kitap Bölümü 13, Ders Sunuları 11 |
| 11 | Hash Fonksiyonları ve Çakışma Analizi Yapay zekayı kullanarak hash fonksiyonları önerme, çakışma oranlarını analiz etme, hash haritalar ve ağaçlar kullanarak büyük veri kümelerini analiz etme. | Kitap Bölümü 14, 15, Ders Sunuları 13 |
| 12 | Kodun Yeniden Yapılandırılması ve Optimizasyonu Çalışan ancak verimsiz kodu yapay zekaya gönderip optimize edilmiş alternatifler istemek. | Kitap Bölümü 16, Ders Sunuları 14 |
| 13 | Yapay Zeka Kodunda Hata Ayıklama Hatalı yapay zeka kodunu kasıtlı olarak kullanmak ve öğrencilere bu kodda nasıl hata ayıklayacaklarını öğretmek. |
| Kaynak |
| Ders Kitabı: Problem Solving with Algorithms and Data Structures using Python By Brad Miller and David Ranum, Luther College |
| Yardımcı Kaynaklar: https://runestone.academy/ns/books/published/medipol_datastructures_spring2026/index.html Ders sunum ve notları |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 | ||||||
| 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 | ||||||
| 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 | |||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 30 | |
| Genel Sınavın Başarıya Oranı | 70 | |
| Toplam | 100 | |