Bilgi Paketi / Ders Kataloğu
| Büyük Veri Analitiği (İngilizce) (Tezsiz) | |||||
| Yüksek Lisans | Programın Süresi: 1.5 | Kredi Sayısı: 90 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Lisansüstü Eğitim Enstitüsü | ||||
| Ders Kodu | BDA 507 | ||||
| Ders Adı İngilizce | Introduction to Computer Programming (Python) | ||||
| Ders Adı Türkçe | Büyük Veri için Programlamaya Giriş (Python) | ||||
| Öğretim Dili | EN | ||||
| Ders Türü | Alıştırma,Ters-Yüz Öğrenme,Ders | ||||
| Dersin Düzeyi | Orta | ||||
| Dönem | Güz | ||||
| Haftalık İletişim Saatleri |
|
||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 188 saat | ||||
| Ders Kredileri | 7.5 AKTS | ||||
| Değerlendirme | Standart Harf Notu | ||||
| Ön Koşul | Yok | ||||
| Yan Koşul | Yok | ||||
| Beklenen Ön Bilgi | Yok | ||||
| Kayıt Kısıtlamaları | Sadece Yüksek Lisans Öğrencileri | ||||
| Genel Eğitim Hedefi | Öğrenciler bilgisayar programlamanın temellerini anlayabilmeli ve Python programlama dilinde temel mühendislik problemlerini çözmek için bilgisayar algoritmalarının nasıl tasarlanacağını ve uygulanacağını öğrenebilmelidir. | ||||
| Ders Açıklaması | Bilgisayar programlamanin temelleri. Yapisal tasarim, iterative programlama, girdi/cikti yontemleri, karar yapilari, fonksiyon, katar, dosya kavramlarini kullanarak algoritma tasarimi ve gelistirilmesi. Programlama kavramlarinin Python dili kullanilarak ogretilmesi. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Bilgisayar programlamanın temellerini anlayın.(sıra, dallanma, yineleme) 2) Temel bilgisayar algoritmalarını tasarlama 3) Mühendislik problemlerini çözmek için bilgisayar programları oluşturma (Python'da Uygulama) 4) C programlama dilinin temellerini anlamak (Python'un işlevleri, dizileri, sözdizimi) |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| 1) Lisans derecesi sırasında edinilen beceriler üzerine inşa edilen, makine öğrenimiyle ilgili büyük veri analitiği alanında geliştirilmiş ve derinleştirilmiş bir uzmanlık düzeyi. | ||||
| 2) Makine öğrenimiyle ilgili istatistik, hesaplama ve bilgisayar bilimi alanlarında derinlemesine teorik ve pratik bilgi uygulanmıştır. | ||||
| 3) Makine öğreniminde kullanılan analiz ve modelleme yöntemleri ve bunların sınırlamaları hakkında kapsamlı bilgi. | ||||
| 4) Analitik, modelleme ve deneye dayalı keşifsel araştırma tasarlama ve gerçekleştirme; bu süreçte karşılaşılan karmaşık durumlara çözümler üretme ve sonuçları yorumlama becerisi. | ||||
| 5) Analitik süreci ve sonuçlarını makine öğrenimi alanı içinde veya dışında ulusal ve uluslararası platformlarda hem sözlü hem de yazılı olarak tanımlayabilme. | ||||
| 6) Makine öğrenimi, işleme, kullanım, yorumlama ve yayma aşamaları ve ilgili tüm mesleki faaliyetlerle ilgili sosyal, bilimsel ve etik değerlerin farkında olma. | ||||
| 7) Makine öğrenimi alanındaki yeni ve ortaya çıkan uygulamalar hakkında profesyonel farkındalık ve bunların kullanımlarını gösterme becerisi. | ||||
| 8) Çok disiplinli takımlarda lider olarak hareket etme, karmaşık durumlara büyük veri odaklı çözümler geliştirme yeteneği; sorumluluk almak. | ||||
| 9) Avrupa Dil Portföyü Genel Seviye B2'de hem sözlü hem de yazılı olarak İngilizce iletişim kurabilme yeteneği. | ||||
| 10) Makine öğrenimi uygulamalarının sosyal ve çevresel yönlerini anlama. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Lisans derecesi sırasında edinilen beceriler üzerine inşa edilen, makine öğrenimiyle ilgili büyük veri analitiği alanında geliştirilmiş ve derinleştirilmiş bir uzmanlık düzeyi. | S | |
| 2) | Makine öğrenimiyle ilgili istatistik, hesaplama ve bilgisayar bilimi alanlarında derinlemesine teorik ve pratik bilgi uygulanmıştır. | H | |
| 3) | Makine öğreniminde kullanılan analiz ve modelleme yöntemleri ve bunların sınırlamaları hakkında kapsamlı bilgi. | H | |
| 4) | Analitik, modelleme ve deneye dayalı keşifsel araştırma tasarlama ve gerçekleştirme; bu süreçte karşılaşılan karmaşık durumlara çözümler üretme ve sonuçları yorumlama becerisi. | N | |
| 5) | Analitik süreci ve sonuçlarını makine öğrenimi alanı içinde veya dışında ulusal ve uluslararası platformlarda hem sözlü hem de yazılı olarak tanımlayabilme. | N | |
| 6) | Makine öğrenimi, işleme, kullanım, yorumlama ve yayma aşamaları ve ilgili tüm mesleki faaliyetlerle ilgili sosyal, bilimsel ve etik değerlerin farkında olma. | N | |
| 7) | Makine öğrenimi alanındaki yeni ve ortaya çıkan uygulamalar hakkında profesyonel farkındalık ve bunların kullanımlarını gösterme becerisi. | N | |
| 8) | Çok disiplinli takımlarda lider olarak hareket etme, karmaşık durumlara büyük veri odaklı çözümler geliştirme yeteneği; sorumluluk almak. | N | |
| 9) | Avrupa Dil Portföyü Genel Seviye B2'de hem sözlü hem de yazılı olarak İngilizce iletişim kurabilme yeteneği. | N | |
| 10) | Makine öğrenimi uygulamalarının sosyal ve çevresel yönlerini anlama. | N |
| Hazırlayan ve Tarih | , |
| Ders Koordinatörü | TUNA ÇAKAR |
| Dönem | Güz |
| Dersi Veren(ler) | Dr. Öğr. Üyesi TUNA ÇAKAR |
Ders İçeriği
| Hafta | Konu |
| 1) | Programlamaya giriş |
| 2) | Değişkenler, dizeler, sayılar, ifadeler |
| 3) | Sıra, Koşullar, döngüler |
| 4) | Sıra, Koşullar, döngüler |
| 5) | Algoritma Sözde Kodu |
| 6) | Listeleme ve listeleme işlemleri |
| 7) | Veri yapıları |
| 8) | Veri yapıları |
| 9) | Veri yapıları |
| 10) | Özet fonksiyonu |
| 11) | Yinelemeli prosedürler |
| 12) | Python ile açık kaynak ve büyük veri |
| 13) | Python ile açık kaynak ve büyük veri |
| 14) | Öğrenci Sunumları |
| 15) | Proje/sunum Dönemi |
| 16) | Proje/Sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Python Programming (open source) wikibooks, https://en.wikibooks.org/wiki/Python_Programming | ||||||||||||
| Öğretme Teknikleri | Sınıfta ders işlenecek. Öğrenciler proje için bireysel olarak çalışacaklar | ||||||||||||
| Ödev ve Projeler | 3 Ödev, 1 Proje | ||||||||||||
| Laboratuvar Çalışması | Bilgisayar laboratuvarında programlama | ||||||||||||
| Bilgisayar Kullanımı | Python ile Programlama İçin | ||||||||||||
| Diğer Aktiviteler | Yok | ||||||||||||
| Değerlendirme Yöntemleri |
|
||||||||||||
| Ders Yönetimi |
cakart@mef.edu.tr 02123953600 |
||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 14 | 1 | 3 | 0.5 | 63 | ||
| Laboratuvar | 14 | 1 | 2 | 0.5 | 49 | ||
| Ödevler | 4 | 2 | 10 | 1 | 52 | ||
| Ara Sınavlar | 1 | 1 | 2 | 3 | |||
| Final | 1 | 20 | 1 | 21 | |||
| Toplam İş Yükü | 188 | ||||||
| Toplam İş Yükü/25 | 7.5 | ||||||
| AKTS | 7.5 | ||||||