| Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
| Bilgisayar Mühendisliği(Türkçe) - 2016 Tezli Yüksek Lisans | BLM7031 | Veri Bilimi | Seçmeli | 1 | 8,00 | 3 | 0 |
Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi
Programlar Hakkında Bilgi
Tezli Yüksek Lisans - Fen Bilimleri Enstitüsü - Bilgisayar Mühendisliği
Dersin İçeriği
Dersin Amacı
Bu dersin amacı, öğrencilere veri bilimi konusunda temel kavramları öğretmek ve literatürdeki teknikleri kullanarak veri analizi konusunda uygulama yeteneğini kazandırmaktır.
Öğrenim Türü
-
Dersin İçeriği
Ders içeriğine genel bakış: Veri Bilimine giriş ve önemi; Temel veri modelleri, varlıkların ilişkisel modelleri, ilişkisel modeller ve SQL; NoSQL veritabanı, Mongo veritabanı, Büyük verinin kaynakları ve tipleri; sıkça gerçekleşen örüntü analizleri; Sınıflandırma-Kümeleme bağlamında veri analizi ve veri yönetimi ile ilgili metotlar; Ağ modelleri ve grafik analizleri; Verinin görselleştirilmesi; Tavsiye sistemleri.
Planlanan Öğrenme Aktiviteleri ve Metodları
Anlatım, görsel video, materyal örnekleri ve ödev
Staj Durumu
Yok
Dersin Sunulduğu Dil
Türkçe
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. José, U. (2021). Python Programming for Data Analysis. Springer Nature Switzerland AG. 2. Vasiliev, Y.(2022). Python for Data Science: A Hands-On Introduction. 3. Zong, C., Xia, R., & Zhang, J. (2021). Text Data Mining (Vol. 711, p. 712). Singapore: Springer.
Dersin Web Sayfası
Sınıf içi ders materyalleri kullanılmaktadır.
Öğrenme Çıktıları
- Veri bilimi ile ilgili temel kavramları öğrenmek.
- Temel veri modelleri ve varlıkların ilişkisel modelleri hakkında tecrübe edinmek.
- Büyük verinin kaynakları ve tipleri ve nasıl analiz edilebileceği hakkında uygulamalı örnekler üzerinden bilgi edinmek.
- Sınıflandırma-Kümeleme bağlamında veri analizi ve veri yönetimi ile ilgili metotları öğrenmek.
- Ağ modelleri ve grafik analizleri kullanılarak verinin görselleştirilmesi hakkında uygulamalı örnekler üzerinden bilgi edinmek.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik |
|---|---|
| 1 | Veri Bilimine giriş ve önemi |
| 2 | Temel veri modelleri |
| 3 | Varlıkların ilişkisel modelleri |
| 4 | İlişkisel modeller ve SQL |
| 5 | NoSQL veritabanı |
| 6 | Mongo veritabanı |
| 7 | Büyük verinin kaynakları ve tipleri |
| 8 | Ara Sınav Haftası |
| 9 | Sıkça gerçekleşen örüntü analizleri |
| 10 | Sınıflandırma-Kümeleme bağlamında veri analizi ve veri yönetimi ile ilgili metotlar |
| 11 | Sınıflandırma-Kümeleme bağlamında veri analizi ve veri yönetimi ile ilgili metotlar |
| 12 | Ağ modelleri ve grafik analizleri |
| 13 | Verinin görselleştirilmesi |
| 14 | Tavsiye sistemleri |
| 15 | Dönem sonu proje sunumları |
| 16 | Dönem sonu proje sunumları |
| 17 | Yarı Yıl Sonu Sınavı |
Değerlendirme
| Değerlendirme | Değer |
|---|---|
| Yarıyıl (Yıl) İçi Etkinlikleri | 50 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 50 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Değer |
| Final Sınavı | 100 |
Öğrenci İş Yükü Hesabı
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ders Öncesi/Sonrası Bireysel Çalışma | 16 | 2 | 32 |
| Proje ve Hazırlığı | 1 | 12 | 12 |
| Ödev ve Hazırlığı | 8 | 8 | 64 |
| Laboratuvar ve Hazırlığı | 0 | 0 | 0 |
| Atölye ve Hazırlığı | 0 | 0 | 0 |
| Sunum ve Hazırlığı | 1 | 12 | 12 |
| Seminer ve Hazırlığı | 0 | 0 | 0 |
| Demo ve Hazırlığı | 0 | 0 | 0 |
| Araştırma ve Hazırlığı | 0 | 0 | 0 |
| Rapor ve Hazırlığı | 1 | 12 | 12 |
| Arasınav ve Hazırlığı | 1 | 12 | 12 |
| Kısa Sınav ve Hazırlığı | 0 | 0 | 0 |
| Final ve Hazırlığı | 1 | 12 | 12 |
| Teorik Ders Saati | 14 | 3 | 42 |
| Uygulama Ders Saati | 0 | 0 | 0 |