| Veri Bilimi (YL) (Tezli) (İngilizce) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu: | AO5104 | ||||
| Ders İsmi: | Veri Bilimi | ||||
| Ders Yarıyılı: |
Güz Bahar |
||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | English | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Dr. Öğr. Üy. TARIK ZİYADOĞLU | ||||
| Dersi Veren(ler): | Dr. Öğr. Üy. Wadhah Zeyad Tareq ALGBARI | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Bu ders, öğrencilere veri biliminin temel kavramlarını, araçlarını ve tekniklerini öğreterek karmaşık veri setlerinden anlamlı içgörüler çıkarabilme becerisi kazandırmayı hedefler. Kotu & Deshpande tarafından yazılan Data Science: Concepts and Practice kitabı temel alınarak, öğrenciler veri ön işleme, keşifsel veri analizi, makine öğrenmesi ve tahmine dayalı modelleme konularında uygulamalı deneyim kazanacaktır. Ders, teorik temellerin yanı sıra pratik uygulamalara da ağırlık vererek, öğrencilerin Python/R programlama, istatistiksel analiz ve veri görselleştirme alanlarında yetkinlik geliştirmesini sağlayacaktır. Ayrıca, model performansını değerlendirme, sonuçları yorumlama ve bulguları etkili bir şekilde iletebilme becerileri kazandırılacaktır. Dersin sonunda öğrenciler, gerçek dünya veri problemlerini çözebilecek ve farklı alanlarda veriye dayalı kararlar alabilecek donanıma sahip olacaktır. |
| Dersin İçeriği: | Bu ders, temel veri bilimi konularını kapsar: kavramlar, uygulamalar ve araçlar (Python, R, SQL, Jupyter) ile başlar. Veri ön işleme (eksik değerler, aykırı değerler, normalleştirme, kodlama, öznitelik seçimi), Keşifsel Veri Analizi (EDA) (istatistiksel özetler, Matplotlib/Seaborn/Tableau ile görselleştirme), denetimli öğrenme (regresyon, sınıflandırma) ve denetimsiz öğrenme (kümeleme, boyut indirgeme) işlenir. Model değerlendirme (doğruluk, kesinlik, ROC), büyük veri teknolojileri (Hadoop, Spark), veri hikayeciliği ve etik konular da ele alınır. Gerçek vaka çalışmaları ve projelerle pratik deneyim sağlanır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Temel veri bilimi kavramlarını anlama ve uygulama 2) Keşifsel Veri Analizi (EDA) ve görselleştirme yapabilme 3) Makine öğrenmesi modelleri geliştirme ve değerlendirme 4) Büyük veri teknolojileri ve dağıtık hesaplama ile çalışabilme 5) Veri iç görülerini etkili şekilde iletme ve etik unsurları dikkate alma |
| Hafta | Konu | Ön Hazırlık |
| 1) | Veri Bilimine Giriş (Kavramlar, Araçlar, Yaşam Döngüsü) | Yok |
| 2) | Veri Bilimi için Python/R (Kütüphaneler, Temel İşlemler) | Yok |
| 3) | Veri Toplama ve Temizleme Teknikleri | Yok |
| 4) | Keşifsel Veri Analizi (EDA) Temelleri | Yok |
| 5) | Veri Görselleştirme İlkeleri ve Araçlar | Yok |
| 6) | Veri Bilimi için İstatistik Temelleri | Yok |
| 7) | Denetimli Öğrenme I - Regresyon Modelleri | Yok |
| 8) | Denetimli Öğrenme II - Sınıflandırma Modelleri | Yok |
| 9) | Denetimsiz Öğrenme (Kümeleme, Boyut İndirgeme) | Yok |
| 10) | Model Değerlendirme ve Doğrulama Teknikleri | Yok |
| 11) | Öznitelik Mühendisliği ve Seçimi | Yok |
| 12) | Büyük Veri Temelleri (Hadoop/Spark Genel Bakış) | Yok |
| 13) | Veri Hikayeciliği ve Veri Etiği | Yok |
| 14) | Final Proje Sunumları | Yok |
| Ders Notları / Kitaplar: | Data Science: Concepts and Practice by Vijay Kotu and Bala Deshpande. |
| Diğer Kaynaklar: | Data Science: Concepts and Practice by Vijay Kotu and Bala Deshpande. |
| Ders Öğrenme Kazanımları | 1 |
2 |
3 |
4 |
5 |
|---|---|---|---|---|---|
| Program Kazanımları | |||||
| 1) Bu programı başarıyla tamamlayan öğrenciler, Veri biliminin teknik uygulamalarının kapsamını ve kullanılabilecek araçları bilir. | |||||
| 2) Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | |||||
| 3) Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | |||||
| 4) Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | |||||
| 5) Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. | |||||
| 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. | |
| 2) | Bu programı başarıyla tamamlayan öğrenciler, Uygulama sonuçlarının toplum-kültür-hukuk üzerindeki etkilerini bilir. | |
| 3) | Bu programı tamamlayan öğrenciler; Uygulama süreçlerindeki matematiği ve kodu tanır | |
| 4) | Bu programı tamamlayan öğrenciler; Veri bilimindeki süreçlerin çıktı ve birey üzerindeki etkilerini açıklar | |
| 5) | Bu programı başarıyla tamamlayan öğrenciler, Bir bütün olarak veri bilimiyle oluşan içgörü-öngörü ve uzgörüyü belli bir disiplin/vaka karşında anlar. |
| Değerlendirme Yöntemleri ve Kriterleri | Aktivite Sayısı | Katkı Payı |
| Projeler | 1 | % 60 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Proje | 14 | 77 |
| Final | 1 | 20 |
| Toplam İş Yükü | 139 | |