of0
Export
ISPARTA UYGULAMALI BİLİMLER ÜNİVERSİTESİ
PROGRAM DERS BİLGİ PAKETİ
DERS İÇERİĞİ
Bölüm
Teknik Bilimler Meslek Yüksekokulu Bilgisayar Programcılığı
DERS BİLGİLERİ(Revizyon Tarihi:08.06.2026 11:18:00)
Ders Kodu
Ders Adı
Kredi Teorik+ Uygulama (Saat)
Kredi Toplam
AKTS
Yarı Yılı
BPR-3190
Veri Bilimi
3,0
3,0
3,0
2. Yarıyıl
Dersin Dili
Türkçe
Ders Düzeyi
ÖNLİSANS TYYÇ:5.DÜZEY EQF-LLL:5.DÜZEY QF-EHEA:KISA DÜZEY
Dersin Türü
Seçmeli
Dersi Verenler
 
Dersin Yardımcıları
 
Ofis Yeri
 
E-Posta
 
Ofis Görüşme Saatleri
 
İş Telefonu
 
Dersin Amacı/Hedefleri
Öğrencilere veri odaklı düşünme becerisi kazandırarak farklı kaynaklardan elde edilen verilerin işlenmesi, analiz edilmesi ve anlamlı bilgiye dönüştürülmesini öğretmeyi amaçlar. Dersin sonunda öğrencilerin veri toplama, veri temizleme, keşifsel veri analizi yapma, temel istatistiksel yöntemleri kullanma, veri görselleştirme tekniklerini uygulama ve temel makine öğrenmesi algoritmalarını tanıyarak basit düzeyde veri analizi projeleri geliştirebilmesi hedeflenmektedir.
Dersin İçeriği
Veri Bilimi dersinde öncelikle veri bilimine giriş yapılarak temel kavramlar, veri türleri ve veri kaynakları ele alınır. Ardından veri toplama yöntemleri ve farklı veri setleri üzerinde çalışma prensipleri öğretilir. Dersin devamında veri temizleme ve ön işleme süreçleri, eksik ve hatalı verilerin düzenlenmesi ile veri setlerinin analize uygun hale getirilmesi üzerinde durulur. Keşifsel veri analizi kapsamında verinin yapısını anlama, temel istatistiksel ölçüler ve veri görselleştirme teknikleri (grafikler, tablolar vb.) uygulanır.

Daha sonra Python programlama dili kullanılarak Pandas ve NumPy kütüphaneleri ile veri analizi süreçleri gerçekleştirilir ve veri dönüşümleri yapılır. Özellik mühendisliği kavramı tanıtılarak veriden yeni değişkenler üretme yöntemleri incelenir. Makine öğrenmesine giriş bölümünde denetimli ve denetimsiz öğrenme algoritmaları (regresyon, sınıflandırma, kümeleme) temel düzeyde ele alınır ve uygulamalar yapılır. Son olarak model değerlendirme yöntemleri anlatılır ve öğrencilerin gerçek veri setleri üzerinde proje geliştirdiği uygulamalı bir çalışma ile ders tamamlanır.
Önkoşul Dersleri
 
Dersi İşleyiş Yöntemi
Yüz Yüze
DERSİN KATEGORİSİ
Dersin Kategorisi (Genel)
Katkı Düzeyi (%)
Temel/Alana Özgü Mesleki Ders
60
Uzmanlık/Program Dersi
0
Matematik ve temel bilimler
0
Genel Eğitim
0
Destek Dersi
0
Beceri, İletişim ve Yönetim Becerileri Dersi
20
Aktarılabilir Beceri Dersi
20
DERSİN KAZANIMLARI(Revizyon Tarihi:08.06.2026 10:21:00)
DK1
Veri bilimi sürecinin temel aşamalarını (veri toplama, temizleme, analiz, görselleştirme ve yorumlama) açıklayabilme ve uygulayabilme
DK2
Farklı veri kaynaklarından elde edilen verileri analiz edebilmek için uygun veri hazırlama ve ön işleme tekniklerini kullanabilme
DK3
Veri analizi için temel istatistiksel yöntemleri ve veri odaklı düşünme yaklaşımını kullanabilme
DK4
Veri görselleştirme tekniklerini kullanarak veriden anlamlı sonuçlar çıkarabilme ve yorumlayabilme
DK5
Veri bilimi araçları (Python, pandas, matplotlib vb.) ile gerçek veri setleri üzerinde temel analizler gerçekleştirebilme