YAZILIM MÜHENDİSLİĞİ
Lisans	TYYÇ: 6. Düzey	QF-EHEA: 1. Düzey	EQF-LLL: 6. Düzey

Ders Tanıtım Bilgileri

Ders Kodu	Ders Adı	Yarıyıl	Teorik	Pratik	Kredi	AKTS
SEN4018	Python Dili ile Veri Bilimi	Güz	3	0	3	6

Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir.

Temel Bilgiler

Öğretim Dili:	İngilizce
Dersin Türü:	Departmental Elective
Dersin Seviyesi:	LİSANS
Dersin Veriliş Şekli:	Yüz yüze
Dersin Koordinatörü:	Dr. Öğr. Üyesi BETÜL ERDOĞDU ŞAKAR
Opsiyonel Program Bileşenleri:	Yok
Dersin Amacı:	Bu dersin amacı öğrencilere veriden bilgi çıkartmayı öğretmektir. Öğrenciler veri analizi, tahmine dayalı modelleme, açıklayıcı modelleme, veri ürünü oluşturma ve dahil olmak üzere çeşitli veri bilimi uygulamalarında ihtiyaç duyacakları kavramları, teknikleri ve araçları öğreneceklerdir. Bu konuların ele alınması bir konuda derinlemsine ilerlemekten çok konu çeşitliliğini arttıracak şekilde olacak ve kavramların entegrasyonu ve sentezi ile problem çözme uygulamaları üzerinde durulacaktır. Öğrenmeyi pekiştirmek amacıyla çeşitli disiplinlerden gelen gerçek veri setleri Python ile birlikte kullanılacaktır.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Bu dersi başarıyla tamamlayan öğrenciler;
1) Veri araştırma tekniklerini anlar ve kullanır.
2) Veri ön işleme, dönüştürme, normalleştirme ve standardizasyonu anlarve uygular.
3) Verileri yorumlayabilir ve buna göre veri görselleştirme yapabilir.
4) Farklı denetimli ve denetimsiz öğrenme algoritmalarını yorumlar ve kullanır.
5) Farklı denetimli ve denetimsiz öğrenme değerlendirme yöntemlerini anlar ve kullanır.
6) Python için hazırlanmış kitaplıkları uygulama geliştirirken kullanma becerisini gösterir.
7) Mevcut araştırma etik standartlarına uygun olarak yerleşik mühendislik ilkelerine göre bağımsız, sınırlı veri toplama, analiz ve değerlendirme yapar.

Dersin İçeriği

Python ile Giriş ve Programlama Tekrarı
Numpy ile Diziler, Matrisler, Matematiksel Fonksiyonlar
Pandas ile Veri Manipülasyonu ve Analizi
Veri Ön İşleme, Dönüştürme, Normalleştirme, Standardizasyon
Veri Görselleştirme
Denetimli Öğrenme - Regresyon
Denetimli Öğrenme - Sınıflandırma
Çapraz Doğrulama
Değerlendirme Metrikleri
Denetimsiz Öğrenme

Haftalık Ayrıntılı Ders İçeriği

Hafta	Konu	Ön Hazırlık
1)	Python ile Giriş ve Programlama Tekrarı
2)	Numpy ile Diziler, Matrisler, Matematiksel Fonksiyonlar
3)	Pandas ile Veri Manipülasyonu ve Analizi
4)	Veri Ön İşleme, Dönüştürme, Normalleştirme, Standardizasyon
5)	Veri Görselleştirme
6)	Denetimli Öğrenme - Regresyon
7)	Denetimli Öğrenme - Regresyon
8)	Denetimli Öğrenme - Regresyon
9)	Denetimli Öğrenme - Sınıflandırma
10)	Denetimli Öğrenme - Sınıflandırma
11)	Denetimli Öğrenme - Sınıflandırma
12)	Çapraz Doğrulama
13)	Değerlendirme Metrikleri
14)	Denetimsiz Öğrenme

Kaynaklar

Ders Notları / Kitaplar:	Ethem Alpaydın, Introduction To Machine Learning, 3rd Edition, MIT Press, 2015, ISBN-13: 978-8120350786.
Diğer Kaynaklar:	Pang-Ning Tan, Michael Steinbach and Vipin Kumar, Introduction to Data Mining, 1st Edition, Pearson, 2005, ISBN-13: 978-0321321367. Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006, ISBN-13: 978-0387310732.

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Küçük Sınavlar	6	% 25
Projeler	1	% 20
Ara Sınavlar	1	% 15
Final	1	% 40
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 40
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 60
Toplam		% 100

AKTS / İş Yükü Tablosu

Aktiviteler	Aktivite Sayısı	Süre (Saat)	İş Yükü
Ders Saati	14	3	42
Sınıf Dışı Ders Çalışması	14	2	28
Proje	6	3	18
Küçük Sınavlar	6	3	18
Ara Sınavlar	6	3	18
Final	6	3	18
Toplam İş Yükü			142

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Karmaşık mühendislik problemlerine yönelik yazılım proje, süreç ve ürünlerine ait fonksiyonel ve fonksiyonel olmayan özellikleri tanımlayabilmek.
2)	Karmaşık mühendislik problemlerinde yazılım mimarisi, bileşenleri, ara yüzleri ve sisteme ait diğer alt bileşenleri tasarlayabilmek.
3)	Kodlama, doğrulama, sınama ve hata ayıklama konularını da içerecek şekilde karmaşık yazılım sistemleri geliştirebilmek.
4)	Karmaşık mühendislik problemlerinde yazılımı, programın davranışlarını beklenen sonuçlara göre sınayarak doğrulayabilmek.
5)	Karmaşık yazılım sistemlerinin çalışması sırasında, çalışma ortamının değişmesi, yeni kullanıcı istekleri ve yazılım hatalarının ortaya çıkması ile meydana gelen bakım faaliyetlerine yönelik işlemleri yapabilmek.
6)	Karmaşık yazılım sistemlerinde yapılan değişiklikleri izleyebilmek ve kontrol edebilmek, entegrasyonunu sağlayabilmek, yeni sürümlerini sistematik olarak planlayabilmek ve riskleri yönetebilmek.
7)	Disiplin içi ve disiplinler arası takımlarda görev alarak karmaşık yazılım sistemleri yaşam süreçlerini tanımlayabilmek, değerlendirebilmek, ölçebilmek, yönetebilmek ve uygulayabilmek.
8)	Karmaşık mühendislik problemlerinde gerçekçi kısıtlar ve koşullar altında yazılım gereksinimlerini toplama, yazılımı tasarlama, geliştirme, sınama, bakımını yapma konularındaki çeşitli araçları ve yöntemleri kullanabilmek.
9)	Temel kalite metrikler tanımlayabilmek, yazılım yaşam döngüsü süreçlerini uygulayabilmek, yazılım kalitesini ölçebilmek, kalite model karakteristiklerini tanımlayabilmek, standartları uygulayabilmek ve bunları karmaşık yazılım sistemlerini analiz etmekte, tasarlamakta, geliştirmekte, doğrulamakta ve sınamakta kullanabilmek.
10)	Yazılım mühendisliği ile ortak sınırlara sahip olan matematik, fen bilimleri, bilgisayar mühendisliği, endüstri mühendisliği, sistem mühendisliği, ekonomi, yönetim ve sürdürülebilir kalkınma gibi diğer disiplinler hakkında teknik bilgi kazanabilmek ve bunlar aracılığıyla yenilikçi fikirleri karmaşık mühendislik problemlerinde ve girişimcilik faaliyetlerinde kullanabilmek.
11)	Yazılım mühendisliği kültürü ve etik anlayışını kavrayabilmek ve bunları yazılım mühendisliğinde uygulayabilecek temel bilgilere sahip olmak, meslek hayatı boyunca gerekli teknik becerileri öğrenip başarıyla uygulayabilmek.
12)	Yabancı dil ve Türkçe kullanarak etkin rapor yazabilmek ve yazılı raporları anlayabilmek, tasarım ve üretim raporları hazırlayabilmek, etkin sunum yapabilmek, açık ve anlaşılır talimat verebilmek ve alabilmek.
13)	Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları ile mühendislik çözümlerinin hukuksal sonuçları hakkında bilgi sahibi olmak.