| Akademik Birim: |
Mühendislik ve Doğa Bilimleri Fakültesi |
| Öğrenim Türü: |
Örgün Eğitim |
| Ön Koşullar |
Yok |
| Öğrenim Dili: |
İngilizce |
| Dersin Düzeyi: |
Lisans |
| Dersin Koordinatörü: |
Taner ARSAN |
| Dersi Veren(ler): |
Taner ARSAN |
| Dersin Amacı: |
Bu dersin amacı, öğrencilerin büyük veri ve analitik gerektiren projelerde etkin bir şekilde görev alabilmeleri için gerekli bilgi ve pratik deneyime sahip olmalarını sağlamaktır. |
| Dersin İçeriği: |
Veri Bilim ve Analitiği Projesi dersi, büyük veri ve analitik uygulamaları konularında öğrencileri yetiştirmek üzerine kurulmuştur. Ders, Büyük veri ve veri analizi yaşam döngüsü içerisinde yer alan iş odaklı sorunları çözmek için gerekli ve yeterli bilgi sağlar. |
| Dersin Öğrenme Çıktıları (ÖÇ): |
- 1- Büyük veri ve diğer analitik projelere en başından itibaren aktif olarak katkıda bulunmak için gereken bilgi ve pratik deneyimi edinme becerisi,
- 2- Makine Öğrenmesi algoritmalarını uygulayarak ilk projelerini geliştirme becerisi.
- 3- Bir projeyi baştan sona tasarlama, teknik dokümantasyon hazırlama ve profesyonel sunumlar yapma becerisi.
|
| Dersin Öğrenme Yöntem ve Teknikleri |
Sınıf içi ders |
| Hafta | Konular | Ön Hazırlık |
| 1 |
Ders İçeriğinin paylaşılması, Büyük Veri ve Analitiğe Giriş |
Büyük Veriye Genel Bakış, Analitik Uygulamalarının Durumu |
| 2 |
Veri Bilimcisi, Endüstri’de Büyük Veri Analitiği |
Bu modül, tipik bir analitik yaşam döngüsünün çeşitli aşamalarını açıklamaya odaklanmaktadır. Bu aşamalar: Keşif, veri hazırlama, model planlama, model oluşturma, sonuçların ve bulguların iletilmesi ve operasyonel hale getirilmesi şeklindedir. |
| 3 |
Python Kullanarak Temel Veri Analitik Yöntemlerinin İncelenmesi. Python temelleri. Genel Bakış: Veri Alma, Veri Tipleri, Temel İşlemler, Temel İstatistikler, Genel Fonksiyonlar |
Python temelleri, Genel Bakış: Veri Alma, Veri Tipleri, Temel İşlemler, Temel İstatistikler, Genel Fonksiyonlar |
| 4 |
Gelişmiş Analitik, Teori ve Yöntemlere Genel Bakış: K-means Clustering, Association Rules |
K-means clustering, Association Rules |
| 5 |
Linear Regression, Logistic Regression |
Linear Regression, Logistic Regression |
| 6 |
Naïve Bayesian Classifiers |
Naïve Bayesian Classifiers |
| 7 |
Karar Ağaçları |
Decision Trees |
| 8 |
Zaman Serisi Analizi |
Time Series Analysis |
| 9 |
Metin Analizi |
Text Analytics |
| 10 |
Proje Konularının ve Grupların Belirlenmesi |
|
| 11 |
Kısa Sınav |
|
| 12 |
Her Şeyi Bir Araya Getirmek: Bir Analitik Projesini Operasyonel Hale Getirmek |
|
| 13 |
Nihai Çıktıları Oluşturmak |
|
| 14 |
Veri Görselleştirme |
|
Kadir Has Üniversitesi'nde bir dönem 14 haftadır, 15. ve 16. hafta sınav haftalarıdır.
PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ
| # |
PY1 |
PY2 |
PY3 |
PY4 |
PY5 |
PY6 |
PY7 |
PY8 |
PY9 |
PY10 |
PY11 |
| OC1 |
|
|
|
|
|
|
|
|
|
|
|
| OC2 |
|
|
|
|
|
|
|
|
|
|
|
| OC3 |
|
|
|
|
|
|
|
|
|
|
|
Katkı Düzeyi: 1 Düşük, 2 Orta, 3 Yüksek
