| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Veri Bilimine Giriş | CENG 474 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Gerçek dünyadaki uygulamalar ve veri bilimcileri tarafından kullanılan araçları, veri bilimindeki temel kavramları anlamak |
| 2. Dağınık veri kümelerini temizlemek ve yeniden şekillendirmek ve görselleştirmek |
| 3. Doğrusal regresyon analizi gerçekleştirmek |
| 4. Sınıflandırma ve kümelendirme yöntemlerini kullanma ve uygulama |
| 5. Sonuçları değerlendirmek ve verilere dayalı kararlar almak |
| 6. Sonuçları etkili bir şekilde iletmek |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Verileri elde etmek, temizlemek, analiz etmek, keşfetmek ve görselleştirmek için araçlar ve yazma programları kullanarak veri bilimine giriş; veriye dayalı çıkarımlar yapmak ve kararlar almak; ve sonuçları etkili bir şekilde iletmek. Veri işlemeyi öğrenme, istatistik ve makine öğrenimi ile veri analizi, bilgi görselleştirme ile veri iletişimi, en yeni teknikleri kullanarak verilerle çalışma. |
| |
Üretken Yapay Zeka Kullanımı:
Students are encouraged to use generative AI tools to support their coursework, including assignments and projects. These tools can help analyze theoretical concepts, evaluate practical outcomes, and improve problem-solving skills. However, they should be viewed as tools rather than replacements for independent work. Students must critically evaluate AI-generated content, as such tools may produce misleading information or cite non-existent sources. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Veri bilimine giriş |
| 2 | Veri bilimi süreçleri |
| 3 | Veri bilimi araçları |
| 4 | Diziler ve vektörleştirilmiş hesaplama |
| 5 | Veri keşfi, veri birleştirme, veri entegrasyonu |
| 6 | Veri biçimleri, veri toplama, örnekleme |
| 7 | Veri normalleştirme, gürültü giderme, dönüştürme, eksik değerler, temizleme |
| 8 | Özellik çıkarma |
| 9 | Boyutsal küçültme |
| 10 | Keşif ve veri görselleştirme |
| 11 | Tanımlayıcı istatistikler |
| 12 | Verilerden öğrenme: regresyon, naive bayes, nearest neighbours |
| 13 | Proje Sunumları |
| 14 | Proje sunumları |
| |
| Kaynaklar: |
| Joel Grus. Data Science from Scratch: First Principles with Python. O’Reilly. 2015. ISBN: 149190142X.
|
| |
| Diğer Kaynaklar: |
| Wes McKinney. Python for Data Analysis. O’Reilly. 2013. ISBN: 978-1-449-31979-3.
John Paul Muller, Luca Massaron. Python for Data Science. Wiley. 2019. ISBN: 978-1-119-54762-4. |
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler yüzyüze yapılacaktır. Öğrencileri önemli konuları daha detaylı araştırmaya teşvik etmek için bir dizi ev ödevi kullanılacaktır. Öğrencilerden, bazı veri bilimi problemlerini etkili kod geliştirme, sonuçların analizi ve sunumu ile çözmek için bir dönem projesi geliştirmek üzere ekipler halinde çalışmaları istenecektir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 3 | %20 |
| Ara Sınav | 1 | %20 |
| Proje | 1 | %40 |
| Final Sınavı | 1 | %20 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 14 | 3,00 | 42,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 0 | 0,00 | 0,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 14 | 2,00 | 28,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 1 | 5,00 | 5,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 14 | 2,00 | 28,00 |
| 6 | Ev ödevleri | 3 | 4,00 | 12,00 |
| 7 | Sınavlara Hazırlık | 0 | 0,00 | 0,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 1 | 4,00 | 4,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 1 | 6,00 | 6,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 4,00 | 4,00 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı (0-4) |
| 1 | Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 2 |
| 2 | Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | 3 |
| 3 | Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | 2 |
| 4 | Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | 2 |
| 5 | Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | 3 |
| 6 | Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 2 |
| 7 | Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | 0 |
| 8 | Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | 0 |
| 9 | Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | 0 |
| 10 | Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık. | 0 |
| 11 | Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | 0 |