| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Veri Analizi | SENG 352 | | | 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.
|
| |
Üretken Yapay Zeka Kullanımı:
Üretken Yapay Zeka kullanılmamaktadır.
|
| |
| 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 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | 2 |
| 2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
| 3 |
| 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.
| 4 |
| 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.
| 3 |
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
| 4 |
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
| 1 |
| 7 | Türkçe 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.
| 1 |
| 8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
| 3 |
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
| 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.
| 0 |