Veri Bilimi (YL) (Tezli) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu: | VB5025 | ||||
Ders İsmi: | Sağlık Bilimlerinde Veri Bilimi Uygulamaları | ||||
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: | E-Öğrenme | ||||
Dersin Koordinatörü: | Doç. Dr. ŞEBNEM ÖZDEMİR | ||||
Dersi Veren(ler): | |||||
Dersin Yardımcıları: |
Dersin Amacı: | Bu dersin amacı öğrencilere, işletme problemlerinin anlaşılmasında ve çözümünde makine öğrenmesi tekniklerinin nasıl kullanılacağını öğretmektir. Ders kapsamında, temel makine öğrenmesi kavramları, algoritmaları ve bu tekniklerin işletme stratejilerine nasıl dahil edileceği üzerine yoğunlaşılacaktır. Öğrenciler, veri bilimi ve makine öğrenmesi araçlarını kullanarak gerçek dünya işletme verileri ile çalışmayı öğreneceklerdir. |
Dersin İçeriği: | 1. Giriş: Makine Öğrenmesinin İşletmelerdeki Yeri ve Önemi 2. Denetimli ve Denetimsiz Öğrenme Teknikleri 3. Veri Ön İşleme ve Feature Engineering 4. Regresyon ve Sınıflandırma Modellerinin Oluşturulması ve Değerlendirilmesi 5. Makine Öğrenmesi Algoritmalarının İşletme Stratejilerine Entegrasyonu |
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Makine öğrenmesi temel kavram ve terminolojisini anlayacak. 2) İşletme verileri üzerinde denetimli ve denetimsiz öğrenme tekniklerini uygulayabilecek. 3) Veri ön işleme ve özellik mühendisliği becerilerini kazanacak. 4) Çeşitli regresyon ve sınıflandırma modellerini oluşturmayı ve doğrulamayı öğrenecek. 5) İşletmelerin karar verme süreçlerinde makine öğrenmesi algoritmalarının etkin olarak entegre edilmesini sağlayacak. |
Hafta | Konu | Ön Hazırlık |
1) | İşletme ve Veri Bilimi Temel Kavramları | |
2) | Makine Öğrenmesine Giriş | |
3) | Veri Ön İşleme Teknikleri | |
4) | Denetimli Öğrenme Temelleri | |
5) | Sınıflandırma Algoritmaları | |
6) | Regresyon Algoritmaları | |
7) | Denetimsiz Öğrenme ve Kümeleme | |
8) | Vize Sınavı | |
9) | Model Değerlendirme Metrikleri | |
10) | Feature Engineering ve Model Seçimi | |
11) | Zaman Serileri Analizi ve Tahmin Modelleri | |
12) | Karar Ağaçları ve Ormanları | |
13) | Yapay Sinir Ağları | |
14) | İşletme Stratejilerinde Makine Öğrenmesi Uygulamaları | |
15) | Örnek Olay Çalışması ve Proje Sunumları | |
16) | Final Sınavı |
Ders Notları / Kitaplar: | Herhangi bir ders kitabı bulunmamaktadır. There is no textbook. |
Diğer Kaynaklar: | Güncel makaleler, kitaplar kullanılacaktır. Current articles and books will be used. |
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 | 3 | 3 | 3 |
2) Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | 3 | 3 | 3 | 3 | 3 |
3) Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | 3 | 3 | 3 | 3 | 3 |
4) Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | 3 | 3 | 3 | 2 | 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 | 3 | 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 | 3 |
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 | % 40 |
Final | 1 | % 60 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | İş Yükü |
Ders Saati | 14 | 42 |
Ara Sınavlar | 8 | 55 |
Final | 8 | 59 |
Toplam İş Yükü | 156 |