Büyük Veri Analitiği (İngilizce) (Tezsiz) | |||||
Yüksek Lisans | Programın Süresi: 1.5 | Kredi Sayısı: 90 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Yüksekokul/Myo/Fakülte/Enstitü | Lisansüstü Eğitim Enstitüsü | ||||
Ders Kodu | BDA 591 | ||||
Ders Adı İngilizce | Project | ||||
Ders Adı Türkçe | Proje | ||||
Öğretim Dili | EN | ||||
Ders Türü | Proje | ||||
Dersin Düzeyi | Başlangıç | ||||
Dönem | Bahar,Güz,Yaz Okulu | ||||
Haftalık İletişim Saatleri |
|
||||
Tahmini Öğrenci İş Yükü | Dönem boyunca 308 saat | ||||
Ders Kredileri | 10 AKTS | ||||
Değerlendirme | Standart Harf Notu | ||||
Ön Koşul |
BDA 589 - Project Proposal |
||||
Yan Koşul | Yok | ||||
Beklenen Ön Bilgi | BDA 589 Project Proposal | ||||
Kayıt Kısıtlamaları | Sadece Yüksek Lisans Öğrencileri | ||||
Genel Eğitim Hedefi | Bir projenin bireysel olarak nasıl yürütüleceğini öğrenmek. | ||||
Ders Açıklaması | Bu dersin amacı, araştırma-temelli bir projenin nasıl yapılacağını öğretmesidir. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Kapsamlı bir literatür taraması sağlama 2) Bir proje çerçevesi ve metodolojisi geliştirme 3) Elde edilen verileri analiz etmek ve yeterli bir analiz sağlama 4) Bulguları yeterli ayrıntıda değerlendirebilme |
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. |
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. | H | Proje |
2) | Makine öğrenimiyle ilgili istatistik, hesaplama ve bilgisayar bilimi alanlarında derinlemesine teorik ve pratik bilgi uygulanmıştır. | H | Proje |
3) | Makine öğreniminde kullanılan analiz ve modelleme yöntemleri ve bunların sınırlamaları hakkında kapsamlı bilgi. | H | Proje |
4) | Analitik, modelleme ve deneye dayalı keşifsel araştırma tasarlama ve gerçekleştirme; bu süreçte karşılaşılan karmaşık durumlara çözümler üretme ve sonuçları yorumlama becerisi. | H | Proje |
5) | Analitik süreci ve sonuçlarını makine öğrenimi alanı içinde veya dışında ulusal ve uluslararası platformlarda hem sözlü hem de yazılı olarak tanımlayabilme. | H | Proje |
6) | Makine öğrenimi, işleme, kullanım, yorumlama ve yayma aşamaları ve ilgili tüm mesleki faaliyetlerle ilgili sosyal, bilimsel ve etik değerlerin farkında olma. | N | Proje |
7) | Makine öğrenimi alanındaki yeni ve ortaya çıkan uygulamalar hakkında profesyonel farkındalık ve bunların kullanımlarını gösterme becerisi. | S | Proje |
8) | Çok disiplinli takımlarda lider olarak hareket etme, karmaşık durumlara büyük veri odaklı çözümler geliştirme yeteneği; sorumluluk almak. | N | Proje |
9) | Avrupa Dil Portföyü Genel Seviye B2'de hem sözlü hem de yazılı olarak İngilizce iletişim kurabilme yeteneği. | H | Proje |
10) | Makine öğrenimi uygulamalarının sosyal ve çevresel yönlerini anlama. | N | Proje |
Hazırlayan ve Tarih | , |
Ders Koordinatörü | ÖZGÜR ÖZLÜK |
Dönem | Bahar,Güz,Yaz Okulu |
Dersi Veren(ler) | Prof. Dr. ÖZGÜR ÖZLÜK |
Hafta | Konu |
1) | Giriş |
2) | Giriş |
3) | Proje Formatında Temel Kavramlar I |
4) | Proje Formatında Temel Kavramlar II |
5) | Literatür Taraması ve Tarama I |
6) | Literatür Taraması ve Tarama II |
7) | Araştırma Çerçevesinin Tasarlanması I |
8) | Araştırma Çerçevesinin Tasarlanması II |
9) | Metodolojinin Uygulanması I |
10) | Metodolojinin Uygulanması II |
11) | Çıktılar ve Bulgular I |
12) | Çıktılar ve Bulgular II |
13) | Olası Sonuçlar ve Alternatif Yaklaşımlar I |
14) | Olası Sonuçlar ve Alternatif Yaklaşımlar II |
15) | Proje/Sunum Dönemi |
16) | Proje/Sunum Dönemi |
Gerekli/Tavsiye Edilen Okumalar | Yok | |||||||||
Öğretme Teknikleri | Flipped sınıf. Öğrenciler projeler için çalışacaklar | |||||||||
Ödev ve Projeler | Proje | |||||||||
Laboratuvar Çalışması | Yok | |||||||||
Bilgisayar Kullanımı | Öğrenciler öğrendikleri yöntemleri uygulayacak | |||||||||
Diğer Aktiviteler | Yok | |||||||||
Değerlendirme Yöntemleri |
|
|||||||||
Ders Yönetimi |
02123953600 |
AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
Ders Saati | 14 | 1 | 5 | 1 | 98 | ||
Rapor Teslimi | 14 | 14 | 1 | 210 | |||
Toplam İş Yükü | 308 | ||||||
Toplam İş Yükü/25 | 12.3 | ||||||
AKTS | 10 |