| Ders Kodu: | MIS309 | ||||
| Ders İsmi: | Veri Bilimi 3 | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | İngilizce | ||||
| 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): | Şebnem Özdemir | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Bu dersin amacı, bir veri analiz dili yardımıyla matematiksel arka planı ile birlikte yürütülmesini öğretmektir. |
| Dersin İçeriği: | Temel Python fonksiyonları, makine öğrenmesinde klasik algoritmalar, matematiksel altyapıları |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Python’ın temel fonksiyonlarını kullanır 2) Kütüphaneleri tanır 3) Karar ağacı algoritmalarının matematiksel yapısını kavrar. 4) R paketi yardımıyla karar ağacı oluşturur. 5) Python kütüphaneleri yardımıyla karar ağacı oluşturur 6) Karar ağacı çıktılarını açıklar |
| Hafta | Konu | Ön Hazırlık |
| 1) | Derse Giriş – Temel Kavramlar- Bütün Bir Döneme Öğrenilecek İçerikler ve Ölçme Değerlendirme Faaliyetleri Bağlamında Bakış | |
| 2) | Anaconda ortamı, Jupyter, DataBrick ortamları | |
| 3) | Python Dili ve özellikleri | |
| 4) | Python’da temel fonksiyonlar ve yapılar | |
| 5) | Kütüphanelerle çalışmak | |
| 6) | Karar ağacı algoritmaları ve makinenin öğrenmesinde temel yöntemler | |
| 7) | Eğitim ve test kümesi ayrımları, başarı ve performans kavramları | |
| 8) | Karar ağaçları matematiksel arka planı | |
| 9) | Karar ağaçları matematiksel arka planı | |
| 10) | R paketi kullanarak karar ağacı oluşturma | |
| 11) | Karar ağaçlarının çıktılarını değerlendirme | |
| 12) | Python kütüphanesi kullanarak karar ağacı oluşturma | |
| 13) | Karar ağaçlarının çıktılarını değerlendirme, birden fazla model oluşturma, model kıyası | |
| 14) | Distruptive Kavramlar | |
| 15) | Final Sınavı |
| Ders Notları / Kitaplar: | Ek kaynak ihtiyacı bulunmamaktadır. - There is no need for additional resources. |
| Diğer Kaynaklar: | Ek kaynak ihtiyacı bulunmamaktadır. - There is no need for additional resources. |
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
6 |
|---|---|---|---|---|---|---|
| Program Kazanımları |
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 20 |
| Ara Sınavlar | 1 | % 35 |
| Final | 1 | % 45 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 55 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 45 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 28 |
| Uygulama | 14 | 42 |
| Küçük Sınavlar | 5 | 10 |
| Ara Sınavlar | 8 | 18 |
| Final | 15 | 28 |
| Toplam İş Yükü | 126 | |