Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
Veri Bilimi SAU 909 0 1 + 0 2 2
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili Türkçe
Dersin Seviyesi Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Dr.Öğr.Üyesi FATMA AKALIN
Dersi Verenler
Dersin Yardımcıları
Dersin Kategorisi Diğer
Dersin Amacı

Python programlama dili ve araçlarının veri bilimi alanında kullanımı üzerine beceri kazanılması hedeflenmektedir.

Dersin İçeriği

Veri bilimi ve veri bilimci nedir, veriden faydalı bilgi çıkarma aşamaları, veri biliminde kullanılan araçlar, keşifçi veri analizi işlemleri, veri görselleştirme, proje yapabilme,

# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1 Veri bilimi hakkında bilgi sahibi olur Gezi / Gözlem, Rol Oynama, Soru-Cevap, Bireysel Çalışma, Doğru Yanlış Testleri, Boşluk Doldurma Testleri,
2 Veriden faydalı bilgi çıkarma aşamalarını öğrenir Grupla Çalışma, Soru-Cevap, Rol Oynama, Anlatım, Kısa Cevaplı Testler, Doğru Yanlış Testleri,
3 Veri bilimi ve modelleme araçlarını kullanma becerisi kazanır Grupla Çalışma, Bireysel Çalışma, Soru-Cevap, Rol Oynama, Anlatım, Doğru Yanlış Testleri, Boşluk Doldurma Testleri, Kısa Cevaplı Testler,
4 Veri seti üzerinde veri bilimi uygulaması geliştirir Grupla Çalışma, Bireysel Çalışma, Gözlem, Gezi / Gözlem, Deney ve Laboratuvar, Eşleştirme Testler, Kısa Cevaplı Testler,
Hafta Ders Konuları Ön Hazırlık
1 Veri bilimine giriş
2 Veri biliminde uygulama geliştirme aşamaları
3 Veri biliminde kullanılan araçlara bakış
4 Veri seti oluşturma ve hazır veri setlerinin yüklenmesi
5 Keşifçi veri analizi işlemleri: veri seti üzerinde inceleme ve hazırlama işlemleri
6 Keşifçi veri analizi işlemleri: öznitelik ekleme ve çıkarma
7 Keşifçi veri analizi işlemleri: veri filtreleme, eksik verileri tamamlama
8 Keşifçi veri analizi işlemleri: temel istatistiki bilgileri edinme
9 Keşifçi veri analizi işlemleri: aykırı değer tespiti
10 Keşifçi veri analizi işlemleri: veri görselleştirme
11 Makine öğrenmesi algoritmalarının kullanımı (sınıflandırma ve kümeleme)
12 Örnek projelerin incelenmesi
13 Proje Sunumları
14 Proje Sunumları
Kaynaklar
Ders Notu
Ders Kaynakları

1. Doç.Dr. Deniz KILINÇ, Nezahat BAŞEĞMEZ, “Uygulamalarla Veri Bilimi”, Abaküs, 2018.

2. A. Neagoie, D. Bourke, Complete Machine Learning  & Data Science Bootcamp 2021.

# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı
1 Veri bilimi hakkında bilgi sahibi olur
2 Veriden faydalı bilgi çıkarma aşamalarını öğrenir
3 Veri bilimi ve modelleme araçlarını kullanma becerisi kazanır
4 Veri seti üzerinde veri bilimi uygulaması geliştirir
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Ara Sınav 50
1. Proje / Tasarım 25
1. Ödev 25
Toplam 100
1. Final 50
1. Yıl İçinin Başarıya 50
Toplam 100
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) 16 2 32
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) 16 3 48
Ara Sınav 1 15 15
Final 1 20 20
Proje / Tasarım 1 15 15
Ödev 1 5 5
Toplam İş Yükü 135
Toplam İş Yükü / 25 (Saat) 5,4
Dersin AKTS Kredisi 2