GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| ISL674 | YAZILIM GELİŞTİRME VE VERİ BİLİMİ | Seçmeli Ders Grubu | 1 | 2 | 7,50 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
öğrencilere yazılım geliştirme süreçleri ve veri bilim tekniklerini öğretmeyi, bu alanlardaki ileri düzey yöntemleri kullanarak veriye dayalı kararlar alabilme ve yazılım çözümleri geliştirme becerisi kazandırmayı amaçlar.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Öğrenciler, yazılım geliştirme metodolojileri ve veri bilimi tekniklerini uygulamalı bir şekilde öğrenebilecektir. |
| 2 | Öğrenciler, makine öğrenimi ve yapay zeka yöntemlerini kullanarak veri analizi yapabilecektir. |
| 3 | Öğrenciler, büyük veri işleme ve veri görselleştirme konularında pratik bilgi ve beceri kazanacaktır. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
yazılım geliştirme metodolojileri, veri analizi, makine öğrenimi, yapay zeka, büyük veri işleme ve veri görselleştirme gibi konuları kapsayarak, öğrencilere yazılım çözümleri üretme ve veri bilim uygulamalarını anlama yetkinliği kazandırmayı hedefler.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Ders Tanıtımı ve Yazılım Geliştirme Temelleri | ||
| 2 | Veri Bilimi Temelleri ve Uygulamaları | ||
| 3 | Python ile Veri Analizi ve Manipülasyonu | ||
| 4 | Veri Temizleme ve Ön İşleme Teknikleri | ||
| 5 | Makine Öğrenmesi: Temel Kavramlar | ||
| 6 | Denetimli Öğrenme Teknikleri | ||
| 7 | Denetimsiz Öğrenme ve Kümeleme Yöntemleri | ||
| 8 | ara sınav | ||
| 9 | Derin Öğrenme: Temel Kavramlar | ||
| 10 | Büyük Veri İşleme ve Hadoop | ||
| 11 | Veri Görselleştirme Teknikleri | ||
| 12 | Yapay Zeka ve Veri Biliminde Uygulamaları | ||
| 13 | Yazılım Geliştirme Süreçleri ve Agile Yöntemleri | ||
| 14 | Proje Yönetimi ve Veri Bilimi Projeleri | ||
| 15 | Final Projeleri ve Dersin Değerlendirilmesi | ||
| 16 | final sınavı |
Ders Kitabı Malzemesi Önerilen Kaynaklar
"Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking" – Foster Provost, Tom Fawcett
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 12 | 3 | 36 |
| Bireysel Çalışma | 12 | 8 | 96 |
| Ara Sınav İçin Bireysel Çalışma | 7 | 7 | 49 |
| Final Sınavı içiin Bireysel Çalışma | 6 | 8 | 48 |
| Toplam İş Yükü (saat) | 231 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 2 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 3 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek