CE 477 | Ders Tanıtım Bilgileri - Matematik | İzmir Ekonomi Üniversitesi

Dersin Adı

Veri Bilimi

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
CE 477	Güz/Bahar	3	0	3	5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Grup çalışması Problem çözme Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Alper Demir
Öğretim Eleman(lar)ı	Dr.Öğretim Üyesi Alper Demir
Yardımcı(ları)	-

Dersin Amacı	Bu ders, verilerden faydalı bilgilerin öğrenilmesinin ve kullanışlı tahminler yapılabilmesinin temel prensipleri ve metotlarını içermektedir. Bu derste veri elde etme, veri görselleştirme, veri incelenmesi, istatistiksel veri analizi, ve veri analizi için otomatik öğrenmenin kullanımı incelenecektir. Dersin ana amacı kişisel bir veri bilim projesi uygulayarak öğrencilere pratik ve modern veri analiz yetenekleri sağlamaktır.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; veri toplama, temizleme ve analiz için bilgisayar araçlarını tanımlayabilecektir, veri incelemek için istatistiksel yöntemler ve görselleştirme uygulayabilecektir, verilerden tahminler yapmak için istatistiksel ve hesaplamalı yöntemler kullanabilecektir, otomatik öğrenme yöntemleri ile veri analizi yapabilecektir, veri analizi sonucunu bildirmek için istatistik ve veri görselleştirme araçları kullanabilecektir.
Ders Tanımı	Aşağıdaki konular ders programına dahil olacaktır: verinin elde edilmesi ve temizlenmesi, verinin incelenmesi, verinin istatistiksel olarak modellenmesi ve istatistiksel sonuç çıkartma, veri bilimi için otomatik öğrenme araçlarının kullanımı, doğrusal regresyon, destek vektör makineleri, k-en yakın komşuluk, naif Bayes, lojistik regresyon, karar ağaçları, rastgele ormanlar, gruplandırma, boyut azaltma, aşırı uyum, çarpaz geçerlilik, öznitelik mühendisliği.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Giriş	Ünite 1
2	Girdi: Kavramlar, örnekler, nitelikler	Ünite 2
3	Çıktı: Bilgi temsili	Ünite 3
4	Veri Görselleme ve Önişleme	Ünite 7
5	Sınıflandırma ve Regresyon	Ünite 4
6	Zaman Serileri Analizi	Ünite 4
7	Birliktelik Analizi	Ünite 4
8	Kümeleme	Ünite 4
9	Ara Sınav
10	Değerlendirme	Ünite 5
11	Topluluk Öğrenmesi	Ünite 6
12	Veri Analizi Uygulamaları	Ünite 8
13	Veri Analizi Uygulamaları	Ünite 8
14	Proje Sunumları
15	Dönemin gözden geçirilmesi
16	Final Sınavı

Ders Kitabı

I. E. Witten et al, “Data Mining: Practical Machine Learning Tools and Techniques”, Morgan Kaufmann, 2016, ISBN 978-0128042915

Önerilen Okumalar/Materyaller

J. Grus, “Data Science from Scratch: First Principles with Python”, O’Reilly Media, 2015, ISBN 9781491901427- 9781491904381 (Ebook);

T. Hastie, R. Tibshirani, J. Friedman “The Elements of Statistical Learning”, Springer, 2013, ISBN 9780387216065;

S. Raschka, “Python Machine Learning”, Packt Publishing, 2015, ISBN 9781783555147;

R. D. Peng, E. Matsui, “The Art of Data Science”, https://leanpub.com/artofdatascience

Han, Jiawei, Jian Pei, and Hanghang Tong. Data mining: concepts and techniques. Morgan kaufmann, 2022.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum
Proje	1	30
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	2	60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	40
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	14	2	28
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev			0
Sunum / Jüri Önünde Sunum			0
Proje	1	24	24
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	25	25
Final Sınavı	1	25	25
		Toplam	150

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur.	-	-	-	-	-
2	Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.	-	-	-	-	-
3	Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder.	-	-	-	-	-
4	Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir.	-	-	-	-	-
5	Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır.	-	-	-	-	-
6	Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar.	-	-	-	-	-
7	Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır.	-	-	-	-	-
8	Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular.	-	-	-	-	-
9	Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur.	-	-	-	-	-
10	Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar.	-	-	-	-	-
11	Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar.	-	-	-	-	-
12	İkinci yabancı dili orta düzeyde kullanır.	-	-	-	-	-
13	İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.	-	-	-	-	-