Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
Yapay Zeki ve Veri Blimine Giriş VBY 503 0 3 + 0 3 6
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili Türkçe
Dersin Seviyesi YUKSEK_LISANS
Dersin Türü Zorunlu
Dersin Koordinatörü Dr.Öğr.Üyesi MERVE ŞİŞCİ
Dersi Verenler Dr.Öğr.Üyesi MERVE ŞİŞCİ,
Dersin Yardımcıları
Dersin Kategorisi Diğer
Dersin Amacı
Dersin İçeriği
# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1 Yapay zekâ ve veri biliminin temel kavramlarını, alt alanlarını ve uygulama alanlarını açıklar. Ödev / Evde-Çöz Sınavlar,
2 Veri ön işleme, modelleme ve değerlendirme aşamalarını içeren makine öğrenmesi uygulamaları geliştirir. Ödev / Evde-Çöz Sınavlar,
3 Veri bilimi süreçlerinde Python veya benzeri bir dilde temel kütüphaneleri (ör. NumPy, pandas, scikit-learn) kullanarak uygulama geliştirir. Ödev / Evde-Çöz Sınavlar, Performans Değerlendirme,
Hafta Ders Konuları Ön Hazırlık
1 Giriş ve Temel Kavramlar
2 Veri Bilimi İçin Python
3 Makine Öğrenmesi
4 Tanımlayıcı İstatistik
5 Veri Görselleştirme
6 Veri Önişleme
7 Regresyon
8 Arasınav
9 Sınıflandırma
10 Kümeleme
11 Öneri Sistemleri
12 Duygu Analizi için İstatistiksel Doğal Dil İşleme
13 Proje Sunumları
14 Proje Sunumları
Kaynaklar
Ders Notu
Ders Kaynakları
# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı
1 Yapay zekâ ve veri biliminin temel kavramlarını, alt alanlarını ve uygulama alanlarını açıklar.
2 Veri ön işleme, modelleme ve değerlendirme aşamalarını içeren makine öğrenmesi uygulamaları geliştirir.
3 Veri bilimi süreçlerinde Python veya benzeri bir dilde temel kütüphaneleri (ör. NumPy, pandas, scikit-learn) kullanarak uygulama geliştirir.
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Ödev 100
Toplam 100
1. Final 60
Toplam 60
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)