Ders Adı Veri Bilimi
Ders Kodu BPR-3190
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Ön Lisans
Yıl 1
Dönem 2.Yarıyıl
AKTS 3
Dersi Veren(ler)
Dersin Yardımcıları
Ders İşleme Biçimi Yüz Yüze
Önkoşul Dersleri
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.
Dersin Verildiği Diller Türkçe
Dersin Amacı 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.
Ders Yapısı
Temel/Alana Özgü Mesleki Dersler 60
Uzmanlık/Program Dersi 0
Destek Dersi 0
Beceri,İletişim ve Yönetim Becerileri Dersi 20
Aktarılabilir Beceri Dersi 20
Matematik ve Temel Bilimler 0
Temel Eğitim 0
Ders İşleme Şekli
Sınıf Dersi 0
Sınıf Dersi açıklama 0
Problem Saati 0
Problem Saati Açıklama 0
Laboratuvar 100
Laboratuvar Açıklama 1
Diğer 0
Diğer Açıklama 0
No Dersin Kazanımları  
1 Veri bilimi sürecinin temel aşamalarını (veri toplama, temizleme, analiz, görselleştirme ve yorumlama) açıklayabilme ve uygulayabilme
2 Farklı veri kaynaklarından elde edilen verileri analiz edebilmek için uygun veri hazırlama ve ön işleme tekniklerini kullanabilme
3 Veri analizi için temel istatistiksel yöntemleri ve veri odaklı düşünme yaklaşımını kullanabilme
4 Veri görselleştirme tekniklerini kullanarak veriden anlamlı sonuçlar çıkarabilme ve yorumlayabilme
5 Veri bilimi araçları (Python, pandas, matplotlib vb.) ile gerçek veri setleri üzerinde temel analizler gerçekleştirebilme
DERSİN KAZANIMLARI / PROGRAM YETERLİKLERİ İLİŞKİ MATRİSİ
DKPÇ1PÇ2PÇ3PÇ4PÇ5PÇ6PÇ7PÇ8PÇ9PÇ10PÇ11PÇ12PÇ13PÇ14PÇ15PÇ16
1
2
3
4
5
5-Çok Yüksek İlişkili 4- Yüksek İlişkili 3-Orta İlişkili 2- Zayıf İlişkili 1-İlişkisiz
Hafta Konular  
1 Veri Bilimine Giriş
2 Veri Türleri ve Veri Kaynakları
3 Veri Toplama Yöntemleri
4 Veri Temizleme ve Ön İşleme
5 Keşifsel Veri Analizi
6 Temel İstatistik ve Olasılık
7 Veri Görselleştirme
8 Python ile Veri Analizi I
9 Python ile Veri Analizi II
10 Özellik Mühendisliği
11 Makine Öğrenmesine Giriş
12 Denetimli Öğrenme
13 Denetimsiz Öğrenme
14 Model Değerlendirme ve Proje
No Program Çıktısı Katkı Düzeyi
1 Mesleği ile ilgili temel, güncel ve uygulamalı bilgilere sahip olur. 3
2 İş sağlığı ve güvenliği, çevre bilinci ve kalite süreçleri hakkında bilgi sahibi olur. 4
3 Mesleği için güncel gelişmeleri ve uygulamaları takip eder, etkin şekilde kullanır. 3
4 Mesleği ile ilgili bilişim teknolojilerini (yazılım, program, animasyon vb.) etkin kullanır. 3
5 Mesleki problemleri ve konuları bağımsız olarak analitik ve eleştirel bir yaklaşımla değerlendirme ve çözüm önerisini sunabilme becerisine sahiptir. 3
6 Bilgi ve beceriler düzeyinde düşüncelerini yazılı ve sözlü iletişim yolu ile etkin biçimde sunabilir, anlaşılır biçimde ifade eder. 3
7 Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunları çözmek için ekip üyesi olarak sorumluluk alır. 3
8 Kariyer yönetimi ve yaşam boyu öğrenme konularında farkındalığa sahiptir. 3
9 Alanı ile ilgili verilerin toplanması, uygulanması ve sonuçlarının duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere sahiptir. 3
10 Bir yabancı dili kullanarak alanındaki bilgileri takip eder ve meslektaşları ile iletişim kurar. 3
11 Algoritma ve veri yapılarını oluşturur ve matematiksel hesapları yapar. 3
12 Web programlama teknolojilerini açıklar ve uygular. 3
13 Veri tabanı tasarımı ve yönetimini gerçekleştirir. 3
14 Yazılımları test eder ve hataları giderir. 3
15 İş yeri ortamında teorik bilgilerini pratiğe aktarma, iş hayatının dinamiklerini anlama ve mesleki sorumluluklarını geliştirme becerilerine sahip olur 3
16 Atatürk İlkeleri ve İnkılap Tarihi, Türk Dili ve İngilizce gibi zorunlu dersler aracılığıyla, tarihi, kültürel, dilsel ve evrensel değerlere dair farkındalık kazanır, eleştirel düşünme ve küresel ölçekte etkileşim becerilerine sahip olur. 1
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 100
Kısa Sınav 0 0
Ödev 0 0
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 0 0
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
Sözlü sınav 0 0
Portfolyo 0 0
Doküman İncelemesi 0 0
Performans değerlendirme 0 0
Sunum 0 0
Alan Çalışması 0 0
Vaka Çalışması 0 0
Video Kaydı 0 0
Öz değerlendirme 0 0
Akran Değerlendirme 0 0
Eşleştirme Testleri 0 0
Çoktan seçmeli test 0 0
Kısa Cevaplı test 0 0
Kontrol listeleri 0 0
Dereceleme Ölçekleri 0 0
Zihin Haritalama 0 0
Araştırma yazısı 0 0
Çevrimiçi anket 0 0
Çevrimiçi Kısa sınav 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 14 3 42
Sınıf Dışı Ders Çalışma Süresi 0 0 0
Ödevler 2 10 20
Sunum/Seminer 0 0 0
Proje 0 0 0
Laboratuar Çalışması 14 1 14
Arazi ya da Alan Çalışması 0 0 0
Kısa Sınav 0 0 0
Araştırma 0 0 0
Rapor Yazma/Rapor sunumu 0 0 0
Vaka İncelemesi 0 0 0
Staj 0 0 0
Uygulama/Materyal Hazırlama 0 0 0
Tez Çalışması 0 0 0
Ara Sınavlar 0 0 0
Yarıyıl Sonu Sınavı 0 0 0
İşyükü Saati (30) 0
Toplam İşyükü / Saat 76    
Dersin Akts Kredisi 3    
Ders Notu Python for Data Analysis – Wes McKinney Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow – Aurélien Géron Data Science from Scratch – Joel Grus Introduction to Data Science – Jeffrey Stanton Coursera – IBM Data Science Professional Certificate edX – Data Science Basics Kaggle Learn – Uygulamalı veri bilimi dersleri YouTube – Corey Schafer, StatQuest (Justin Howell)
Diğer Kaynaklar Python for Data Analysis – Wes McKinney Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow – Aurélien Géron Data Science from Scratch – Joel Grus Introduction to Data Science – Jeffrey Stanton Coursera – IBM Data Science Professional Certificate edX – Data Science Basics Kaggle Learn – Uygulamalı veri bilimi dersleri YouTube – Corey Schafer, StatQuest (Justin Howell)
Materyal
Dökümanlar Python for Data Analysis – Wes McKinney Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow – Aurélien Géron Data Science from Scratch – Joel Grus Introduction to Data Science – Jeffrey Stanton Coursera – IBM Data Science Professional Certificate edX – Data Science Basics Kaggle Learn – Uygulamalı veri bilimi dersleri YouTube – Corey Schafer, StatQuest (Justin Howell)
Ödevler
Sınavlar
Materyal Diğer
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri











Haftalık Ders İzlencesi
Hafta 1 .Hafta
Konu
Haftalık Kapsam ve Hedefler Bu haftada veri biliminin temel kavramları, çalışma alanları ve kullanım amaçları ele alınır. Öğrencilere veri biliminin günümüzdeki önemi açıklanarak temel bir bakış açısı kazandırılması hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 2 .Hafta
Konu
Haftalık Kapsam ve Hedefler Yapısal ve yapısal olmayan veri türleri ile veri kaynakları incelenir. Öğrencilerin farklı veri tiplerini tanıması ve veri kaynaklarını ayırt edebilmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 3 .Hafta
Konu
Haftalık Kapsam ve Hedefler Veri toplama teknikleri, API kullanımı ve web tabanlı veri çekme yöntemleri ele alınır. Öğrencilerin farklı kaynaklardan veri toplayabilmesi amaçlanır.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 4 .Hafta
Konu
Haftalık Kapsam ve Hedefler Eksik, hatalı ve tutarsız verilerin düzenlenmesi süreçleri incelenir. Öğrencilerin veri setlerini analiz için uygun hale getirmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 5 .Hafta
Konu
Haftalık Kapsam ve Hedefler Veri yapısını anlama, özetleme ve temel analiz yöntemleri uygulanır. Öğrencilerin veriyi yorumlama becerisi geliştirilir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 6 .Hafta
Konu
Haftalık Kapsam ve Hedefler Ortalama, medyan, varyans ve temel olasılık kavramları ele alınır. Öğrencilerin istatistiksel düşünme becerisi geliştirilir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 7 .Hafta
Konu
Haftalık Kapsam ve Hedefler Grafikler ve veri görselleştirme teknikleri incelenir. Öğrencilerin veriyi görsel olarak ifade etmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 8 .Hafta
Konu
Haftalık Kapsam ve Hedefler Python programlama dili ve Pandas, NumPy kütüphanelerine giriş yapılır. Öğrencilerin temel veri işlemlerini yapabilmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 9 .Hafta
Konu
Haftalık Kapsam ve Hedefler Veri dönüşümü, filtreleme ve analiz işlemleri uygulanır. Öğrencilerin veri manipülasyonu becerisi geliştirilir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 10 .Hafta
Konu
Haftalık Kapsam ve Hedefler Veriden yeni değişkenler üretme teknikleri ele alınır. Öğrencilerin model performansını artıracak veri hazırlama becerisi kazanması hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 11 .Hafta
Konu
Haftalık Kapsam ve Hedefler Makine öğrenmesinin temel kavramları ve türleri ele alınır. Öğrencilerin algoritmalara genel bakış kazanması hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 12 .Hafta
Konu
Haftalık Kapsam ve Hedefler Regresyon ve sınıflandırma algoritmaları incelenir. Öğrencilerin basit tahmin modelleri oluşturması hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 13 .Hafta
Konu
Haftalık Kapsam ve Hedefler Kümeleme ve veri gruplama yöntemleri ele alınır. Öğrencilerin veri içindeki yapıları keşfetmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri
Hafta 14 .Hafta
Konu
Haftalık Kapsam ve Hedefler Model performans ölçütleri ve değerlendirme yöntemleri incelenir. Öğrencilerin gerçek veri seti üzerinde proje geliştirmesi hedeflenir.
Haftalık Öğrenme Etkinlikleri/Kaynakları/Videolar
Haftalık Öğrenme Etkinlikleri Açıklama
Haftalık Ölçme-Değerlendirme Etkinlikleri Laboratuvar,
Haftalık Ölçme-Değerlendirme Notlandırması/Ödev Teslim Süreleri