| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Veri Analizi | SENG 352 | 3 | 2 | 3 + 0 | 3 | 6,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Gizli veya beklenmedik bağlantıları, korelasyonları, desenleri ve eğilimleri keşfederek daha iyi kararlar almayı öğrenir, |
| 2. Python programlama ortamını yapılandırmayı öğrenir, |
| 3. Python kodlarını yazar, derler, çalıştırır ve hata ayıklar, |
| 4. Değişkenler, kontrol yapıları, döngüler, fonksiyonlar, listeler ve sınıflar gibi temel programlama kavramlarını öğrenir, |
| 5. Verileri toplamak, dönüştürmek, analiz etmek ve görselleştirmek için modüller ve araçları kullanır, |
| 6. Farklı formatlardaki verileri (csv, html, json, xml) ve ilişkisel veritabanlarını işler, |
| 7. Veri temizliğinin temel prensiplerini öğrenir, |
| 8. Gerçek dünya problemlerini çözmek üzere Python’daki makine öğrenmesi (regresyon, sınıflandırma, kümeleme) ve veri görselleştirme kütüphanelerini (numpy, pandas, Scikit-learn) kullanarak programlar geliştirir, |
| 9. Veri sonuçlarını değerlendirip optimal kararlar alır. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı, Python kullanarak verilerden bilgi ve içgörü elde etme konusunda öğrencileri donatmaktır. Öğrenciler, çevrimdışı ve çevrimiçi veriler üzerinde çalışmak ve analiz yapmak için Python kütüphanelerini etkin bir şekilde kullanmayı öğreneceklerdir. Ders; Python programlama temelleri, veri yapıları ve algoritma tasarımı ile başlar. Gerçek dünya problemlerini çözmek için veri analizi ve görselleştirme tekniklerinin uygulanmasına odaklanılır. Konular arasında veri temsil ve temizleme, görselleştirme, regresyon, sınıflandırma, kümeleme, model geliştirme ve değerlendirme yer alır.
|
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 | |
| |
| Kaynaklar: |
| Wes McKinney
Python for Data Analysis, 2nd Edition
O’reilly
2017
9781491957660
|
| |
| Diğer Kaynaklar: |
| - |
| |
| Öğretim Yöntem ve Teknikleri: |
| Anlatım
Tartışma
Soru-Cevap
Ödev
Kısa Sınav
Proje |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 2 | %20 |
| Final Sınavı | 1 | %20 |
| Ara Sınav | 1 | %20 |
| Proje | 1 | %30 |
| Test/Quiz/Kısa Sınav | 2 | %10 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |