| Veri Bilimi (YL) (Tezli) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu: | VB5017 | ||||
| Ders İsmi: | İnsan Merkezli Veri Bilimi | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | Türkçe | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Doç. Dr. ŞEBNEM ÖZDEMİR | ||||
| Dersi Veren(ler): | Seda Karateke | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Bu dersin amacı, öğrencilere veri bilimi disiplininin temellerini ve insan merkezli yaklaşımın önemini anlatarak, veri analitiği, görselleştirme ve etkileşim, veri odaklı hikaye anlatma ve etiketleme gibi becerileri kazandırmaktır. |
| Dersin İçeriği: | 1. Veri Bilimi ve İnsan Merkezli Yaklaşımın Tanıtımı 2. Veri Toplama ve Veri Ön İşleme Teknikleri 3. Veri Görselleştirme ve İletişim 4. Veri Odaklı Hikaye Anlatma ve Etkileşim 5. Veri Etiketi ve Veri Gizliliği |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) 1. Öğrenciler, veri bilimi disiplininin temel kavramlarını anlayacak ve uygulayabilecektir. 2) 2. Öğrenciler, veri toplama ve veri ön işleme tekniklerini kullanarak gerçek dünya verilerini analiz edebilecektir. 3) 3. Öğrenciler, veri görselleştirme ve iletişim tekniklerini kullanarak etkili veri sunumları yapabilecektir. 4) 4. Öğrenciler, veri odaklı hikaye anlatma yöntemlerini kullanarak verilerin anlamlı hikayelere dönüştürülmesini sağlayabilecektir. 5) 5. Öğrenciler, veri etiketi ve veri gizliliği konularında farkındalık geliştirecek ve etik sorumluluklarını anlayacaklardır. |
| Hafta | Konu | Ön Hazırlık |
| 1) | 1. Hafta: Dersin tanıtımı ve temel kavramlar | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 2) | 2. Hafta: Veri toplama yöntemleri ve veri ön işleme teknikleri | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 3) | 3. Hafta: Veri temizleme ve dönüştürme işlemleri | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 4) | 4. Hafta: Veri analizi ve istatistiksel yöntemler | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 5) | 5. Hafta: Makine öğrenimi temelleri ve algoritmaları | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 6) | 6. Hafta: Derin öğrenme ve yapay sinir ağları | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 7) | 7. Hafta: Veri görselleştirme ve etkileşimli grafikler | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 8) | 8. Hafta: Vize sınavı | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 9) | 9. Hafta: Doğal dil işleme ve metin madenciliği | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 10) | 10. Hafta: Büyük veri yönetimi ve veritabanı teknolojileri | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 11) | 11. Hafta: Veri odaklı hikaye anlatma ve görsel sunumlar | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 12) | 12. Hafta: Veri etiketi ve veri gizliliği konuları | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 13) | 13. Hafta: Veri bilimi uygulamaları ve endüstriyel kullanımlar | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 14) | 14. Hafta: Veri bilimi uygulamaları ve endüstriyel kullanımlar - 2 | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 15) | 15. Hafta: Veri bilimi uygulamaları ve endüstriyel kullanımlar -3 | Ön Hazırlığa Gerek Duyulmamaktadır. |
| 16) | 16. Hafta: Final sınavı | Ön Hazırlığa Gerek Duyulmamaktadır. |
| Ders Notları / Kitaplar: | Büyük Veri: Veri Bilimine Giriş - Viktor Mayer-Schönberger, Kenneth Cukier |
| Diğer Kaynaklar: | The Art of Insight: How Great Visualization Designers Think - Alberto Cairo |
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
|---|---|---|---|---|---|
| Program Kazanımları | |||||
| 1) Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 3 | 3 | 2 | 3 | 3 |
| 2) Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 2 | 3 | 3 | 2 | 3 |
| 3) Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 3 | 2 | 3 | 2 | 3 |
| 4) Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 3 | 2 | 3 | 3 | 3 |
| 5) Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 3 | 3 | 2 | 3 | 3 |
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | 3 |
| 2) | Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 3 |
| 3) | Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 3 |
| 4) | Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 2 |
| 5) | Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | 3 |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 50 |
| Final | 1 | % 50 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 50 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 50 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 28 |
| Ara Sınavlar | 7 | 49 |
| Final | 8 | 62 |
| Toplam İş Yükü | 139 | |