| Yönetim Bilişim Sistemleri | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
| Ders Kodu: | YBS309 | ||||
| Ders İsmi: | Veri Bilimi 3 | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | Turkish | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Zorunlu | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Doç. Dr. ŞEBNEM ÖZDEMİR | ||||
| Dersi Veren(ler): | Eyüp Kaan Ülgen | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Veri bilimi, istatistik, matematik, bilgisayar bilimi ve veri analizi gibi birçok disiplini içeren bir alandır. Bu dersin amacı, veri bilimi alanındaki güncel yaklaşımları, modelleri ve uygulama teknolojilerini öğrencilere kazandırmaktır. |
| Dersin İçeriği: | Python’da veri analizi araçlarına giriş, tanımlayıcı istatistikler, NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn kütüphaneleriyle uygulamalar, Scikit-learn kütüphanesiyle veri ön işleme adımları, Denetimli Öğrenme, Random Forest, XGBoost, Destek Vektör Makineleri, Karmaşıklık Matrisi, ROC Eğrisi, Denetimsiz Öğrenme, Hiyerarşik Kümeleme, Gaussian Model Mixture, DBSCAN, Derin Öğrenmeye Giriş, Perceptron Kavramı, Derin Öğrenme için Linear Cebir, Grandyan Tabanlı Eniyileme, Evrişimli Sinir Ağları |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Öğrenciler, Python programlama diliyle veri keşfi süreçlerini kavrayacaklar. 2) Öğrenciler, Python dilinde mevcut olan ve veri bilimi analizlerinde sıklıkla kullanılan temel kütüphanelerin (Numpy, Pandas, Matplotlib, Seaborn, Scikit-learn) kullanımını öğrenecekler. 3) Öğrenciler, veri bilimde önemli bir işgal eden veri seçimi, veri ön işleme ve veri dönüştürme adımlarını anlayacaklar. 4) Öğrenciler, veri biliminde temel istatiksel yaklaşımların önemini anlayacaklar. 5) Öğrenciler, makine öğrenmesi temel yaklaşımlarını anlayacaklar. 6) Öğrenciler, farklı öğrenme (Sınıflandırma, Kümeleme, Tahmin) yaklaşımlarının hem teorik hem de uygulamalarını inceleyecekler. 7) Öğrenciler, derin öğrenme yaklaşımını uygulamalarla görecekler. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Genel Kavramlar | |
| 1) | Denetimsiz Öğrenme Hiyerarşik Kümeleme, Gaussian Model Mixture (GMM) | |
| 2) | Pythonla Veri Bilimi Python, Jupyter Notebooks, Numpy | |
| 3) | Pythonla Veri Bilimi Numpy, Pandas | |
| 4) | Pythonla Veri Bilimi Numpy, Pandas , Matplotlib, Seaborn | |
| 5) | Pythonla Veri Bilimi Matplotlib, Seaborn | |
| 6) | Denetimli Öğrenme Destek Vektör Makineleri | |
| 7) | Model Değerlendirme Karmaşıklık Matrisi, ROC Eğrisi, F1 Skoru | |
| 8) | Denetimli Öğrenme Random Forest, XGBoost | |
| 9) | Denetimsiz Öğrenme Hiyerarşik Kümeleme, Gaussian Model Mixture (GMM) | |
| 10) | Denetimsiz Öğrenme Gaussian Model Mixture (GMM), Density-Based Spatial clustering of Applications with Noise (DBSCAN) | |
| 11) | Derin Öğrenmeye Giriş Genel Kavramlar, Perceptron | |
| 12) | Derin Öğrenmeye Giriş Derin Öğrenme için Linear Cebir | |
| 13) | Derin Öğrenmeye Giriş Gradyan Tabanlı Eniyileme | |
| 14) | Evrişimli Sinir Ağlarına Giriş | |
| 15) | Evrişimli Sinir Ağları | |
| 16) | Final Sınavı veya Kapsamlı Ödev |
| Ders Notları / Kitaplar: | Deniz Kılınç, Nezahat Başeğmez. Uygulamalarla Veri Bilimi, 2018, Abaküs |
| Diğer Kaynaklar: | Jake VarderPlas, Python Data Science Handbook, 2017, O’REILLY François Chollet, Deep Learning with Python, 2017, MANNING Ethem Alpaydın, Yapay Öğrenme, Boğaziçi Haldun Akpınar, Data, Papatya Bilim |
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
6 |
7 |
||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||||||
| 1) Yönetim bilişim sistemlerine yönelik, başta işletme ve bilgisayar mühendisliği ile ilgili olmak üzere, disiplinlerarası geniş bir perspektife sahiptir. | 2 | 2 | 2 | 2 | 2 | 3 | 2 | ||||||
| 2) Yönetim bilişim sistemlerini teknik, örgütsel ve yönetsel açıdan kavrar ve programlama mantığını bilerek güncel bir programlama dili kullanır. | 3 | 3 | 3 | 3 | 2 | 3 | 2 | ||||||
| 3) Çeşitli iş problemlerinin kavranmasına ve çözümüne yönelik farklı bilişim teknolojileri ve sistemlerini kullanır. | 2 | 2 | 1 | 3 | 3 | 3 | 3 | ||||||
| 4) Yönetim bilişim sistemleri alanındaki verileri, kavram ve fikirleri bilimsel ve teknolojik yöntemlerle yorumlar. | 3 | 3 | 3 | 2 | 2 | 2 | 3 | ||||||
| 5) Bir bilişim sistemi için gerekli ihtiyaçları analiz ederek sisteme ait veritabanın analiz, dizayn ve uygulama aşamalarındaki süreçlere hakim olur. | 2 | 3 | 2 | 2 | 2 | 2 | 2 | ||||||
| 6) Bilişim projelerine teknik ve yönetsel katkı verir ve sorumluluk alır. | 2 | 2 | 3 | 1 | 1 | 2 | 1 | ||||||
| 7) Çeşitli istatistiki teknikleri ve sayısal yöntemleri kullanarak karmaşık iş ve bilişim problemlerini çözer ve istatistik programlarını etkin bir şekilde kullanarak analizler yapar. | 3 | 3 | 3 | 2 | 2 | 3 | 3 | ||||||
| 8) Bir yabancı dili eğitim-öğretim düzeyine göre, Avrupa Dil Portföyü kriteri açısından en az B1 Genel Düzeyi’nde kullanır. | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||
| 9) Takım çalışması, müzakere, liderlik ve girişimcilik yeteneklerini geliştirir. | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||
| 10) Evrensel etik değerlere, sosyal sorumluluk bilincine ve yeterli düzeyde gerekli hukuk bilgisine sahiptir. | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||
| 11) Yaşam boyu öğrenmeye ilişkin olumlu tutumlar geliştirebilerek bireysel öğrenme ihtiyaçlarını belirler ve bunları gidermeye yönelik çalışmalar yapar. | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||
| 12) Alanı ile ilgili konularda düşünce ve çözüm önerilerini hem yazılı hem de sözlü olarak aktarır ve gerektiğinde hem ulusal hem de uluslararası platformlarda sunar ve yayınlar. | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||
| 13) Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı ileri düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | 3 | 3 | 3 | 2 | 2 | 2 | 2 | ||||||
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Yönetim bilişim sistemlerine yönelik, başta işletme ve bilgisayar mühendisliği ile ilgili olmak üzere, disiplinlerarası geniş bir perspektife sahiptir. | 3 |
| 2) | Yönetim bilişim sistemlerini teknik, örgütsel ve yönetsel açıdan kavrar ve programlama mantığını bilerek güncel bir programlama dili kullanır. | 3 |
| 3) | Çeşitli iş problemlerinin kavranmasına ve çözümüne yönelik farklı bilişim teknolojileri ve sistemlerini kullanır. | 2 |
| 4) | Yönetim bilişim sistemleri alanındaki verileri, kavram ve fikirleri bilimsel ve teknolojik yöntemlerle yorumlar. | 3 |
| 5) | Bir bilişim sistemi için gerekli ihtiyaçları analiz ederek sisteme ait veritabanın analiz, dizayn ve uygulama aşamalarındaki süreçlere hakim olur. | 2 |
| 6) | Bilişim projelerine teknik ve yönetsel katkı verir ve sorumluluk alır. | 1 |
| 7) | Çeşitli istatistiki teknikleri ve sayısal yöntemleri kullanarak karmaşık iş ve bilişim problemlerini çözer ve istatistik programlarını etkin bir şekilde kullanarak analizler yapar. | 2 |
| 8) | Bir yabancı dili eğitim-öğretim düzeyine göre, Avrupa Dil Portföyü kriteri açısından en az B1 Genel Düzeyi’nde kullanır. | 1 |
| 9) | Takım çalışması, müzakere, liderlik ve girişimcilik yeteneklerini geliştirir. | 1 |
| 10) | Evrensel etik değerlere, sosyal sorumluluk bilincine ve yeterli düzeyde gerekli hukuk bilgisine sahiptir. | 1 |
| 11) | Yaşam boyu öğrenmeye ilişkin olumlu tutumlar geliştirebilerek bireysel öğrenme ihtiyaçlarını belirler ve bunları gidermeye yönelik çalışmalar yapar. | 1 |
| 12) | Alanı ile ilgili konularda düşünce ve çözüm önerilerini hem yazılı hem de sözlü olarak aktarır ve gerektiğinde hem ulusal hem de uluslararası platformlarda sunar ve yayınlar. | 1 |
| 13) | Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı ileri düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | 3 |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 1 | % 5 |
| Ödev | 2 | % 10 |
| Ara Sınavlar | 1 | % 35 |
| 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 |
| Uygulama | 14 | 28 |
| Ödevler | 1 | 1 |
| Ara Sınavlar | 5 | 10 |
| Final | 6 | 20 |
| Toplam İş Yükü | 87 | |