| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Phyton İle Veri Analizi | ENF 548 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | Mevcut değil. |
| Önerilen Seçmeli Dersler | Mevcut değil. |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. İSMAİL HAKKI CEDİMOĞLU |
| Dersi Verenler | Prof.Dr. İSMAİL HAKKI CEDİMOĞLU, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Derse katılım sağlayanlara, Python Programlama Dili kullanılarak Veri Analizi öğretilecektir. Python Programlama dilinin temelleri bu ders kapsamında açıklanmıştır. Python programlama dilinin veri analizi, hesaplama ve görselleştirme kütüphaneleri açıklanacaktır. Veri analizi örnekleri uygulama ile anlatılacaktır. |
| Dersin İçeriği | Temel Python ve pandas veri türleri, Temel programlama kontrol yapıları, Veri analizi için temel kütüphaneler, Veri Yapıları, Veri listesi oluşturma ve kullanma, Çok boyutlu diziler, Dataframe ve Seri veri yapıları, Veri analizi. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Tartışma, Gezi / Gözlem, Gözlem, | ||
| 2 | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, | ||
| 3 | Anlatım, Soru-Cevap, Beyin Fırtınası, Bireysel Çalışma, Grupla Çalışma, | ||
| 4 | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, | ||
| 5 | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Python Programlamaya Giriş | |
| 2 | İnput, Veri İşleme ve Output | |
| 3 | Karar ve Döngü Yapıları | |
| 4 | Fonksiyonlar | |
| 5 | List, Tuples ve Dictionaries veri yapıları | |
| 6 | Numpy ile hesaplama | |
| 7 | Veri temizleme işlemleri | |
| 8 | Series ve Dataframes Veri Yapıları | |
| 9 | pandas kütüphanesi ile veri analizi | |
| 10 | pandas-profiling ve sweetviz kütüphaneleri ile otomatik keşifsel veri analizi | |
| 11 | Veri analizinde kullanılan Python kütüphaneleri | |
| 12 | pandas pivot tablo | |
| 13 | Veri Analizi Uygulaması | |
| 14 | Veri Görselleştirme |
| Kaynaklar | |
|---|---|
| Ders Notu | PPT Sunuları ve Python Program Kodları.
|
| Ders Kaynakları | Python in 24 Hours, Sams Teach Yourself, Second Edition, Katie Cunningham, Sams Publishing, 2013. Machine Learning For Dummies, John Paul Mueller, Luca Massaron, John Wiley & Sons, 2016. 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 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Veri bilimi üzerine çalışmalar yapabilecek yeteneklere sahip olur. İlgili alanlarda gerekli yazılımları ve güncel uygulamaları kullanabilme yetisi kazanır. | ||||||
| 7 | Farklı bilişim sistemlerini analiz edebilir. Bu sistemlerin geliştirilmesi üzerine fikir belirtebilecek seviyeye ulaşır. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | ||||||||
| 2 | ||||||||
| 3 | ||||||||
| 4 | ||||||||
| 5 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ödev | 70 |
| 2. Ödev | 30 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 40 |
| 1. Final | 60 |
| 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 | 8 | 8 |
| Ödev | 1 | 24 | 24 |
| Final | 1 | 24 | 24 |
| Toplam İş Yükü | 140 | ||
| Toplam İş Yükü / 25 (Saat) | 5,6 | ||
| Dersin AKTS Kredisi | 6 | ||