| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Python İle Veri Analizi | ISE 448 | 8 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | Mevcut değil |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. İSMAİL HAKKI CEDİMOĞLU |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Python ile Veri Analizi dersi kapsamında, Python programlama dili anlatılır. Python programlama diline ait veri yapıları ve veri analizi kütüphaneleri incelenecektir. Python Programlama dili ile veri analizi uygulamaları gerçekleştirilir. |
| Dersin İçeriği | Temel veri tipleri, Temel kontrol yapıları, Python Veri Yapıları, list, dictionary, tuple veri yapısı oluşturulması ve kullanımı, Matrislerin kullanımı, Diziler, Çok boyutlu diziler, pandas veri analizi kütüphanesi, Seri ve Data frame veri yapıları, Veri Analizi, Veri görselleştirme |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Karar verme ve tekrarlı yapıları program kodlarında kullanabilir | Tartışma, Gezi / Gözlem, Gözlem, | |
| 2 | Fonksiyonları programın etkinliğini sağlamak için kullanabilir | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, | |
| 3 | Python programını etkin bir şekilde algoritmalar kullanarak yazabilir | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, Grupla Çalışma, | |
| 4 | pandas kütüphanesi kullanarak veri analizi yapabilir. | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, | |
| 5 | pandas-profiling kütüphanesi kullanarak detaylı veri analizi yapabilir. | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Python Programlamaya Giriş | |
| 2 | Girdi, İşlem ve Çıktı | |
| 3 | Temel Kontrol Yapıları - Karar Verme Yapısı ve Tekrarlı Yapı | |
| 4 | Fonksiyonlar | |
| 5 | Python List, Dictionary ve Tuple Veri Yapıları | |
| 6 | pandas kütüphanesi, Series ve Dataframe Veri Yapıları | |
| 7 | pandas kütüphanesi veri temizleme | |
| 8 | pandas kütüphanesi ile veri analizi | |
| 9 | ydata, sweetviz ve dataprep kütüphaneleri ile otomatik veri analizi | |
| 10 | pandas pivot tablo | |
| 11 | numpy kütüphanesi | |
| 12 | Grafik Kütüphaneleri | |
| 13 | Büyük Veri | |
| 14 | Veri Analizi Uygulamaları |
| Kaynaklar | |
|---|---|
| Ders Notu | PPT Sunuları, Python Program Kodları |
| Ders Kaynakları | Python in 24 Hours, Sams Teach Yourself, Second Edition, Katie Cunningham, Sams Publishing, 2013. Python for Data Analysis, Wes McKinney, O'Reilly Media, Inc., 2018. The Python Workshop: A Practical, No-Nonsense Introduction to Python Development, Andrew Bird, Dr Lau Cher Han, Mario Corchero Jiménez, Graham Lee, Corey Wade, Packt Publishing, 2019. |
| Sıra | Program Çıktıları | 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 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, | X | |||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | |||||
| 8 | 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. | ||||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | |||||
| 10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | |||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | X | |||||
| 12 | 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 | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| 1. Yıl İçinin Başarıya | 30 |
| 1. Final | 70 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 12 | 3 | 36 |
| Ara Sınav | 1 | 7 | 7 |
| Kısa Sınav | 1 | 7 | 7 |
| Ödev | 1 | 9 | 9 |
| Final | 1 | 12 | 12 |
| Toplam İş Yükü | 119 | ||
| Toplam İş Yükü / 25 (Saat) | 4,76 | ||
| Dersin AKTS Kredisi | 5 | ||