Bilgi Paketi / Ders Kataloğu
DSAI 201 Fundamentals of Machine Learning and Data Science
MEF Üniversitesi
Akademik Programlar
Ekonomi
Öğrenciler için Genel Bilgi
Diploma EkiErasmus Beyanı
Ekonomi
Lisans Programın Süresi: 4 Kredi Sayısı: 240 TYYÇ: 6. Düzey QF-EHEA: 1. Düzey EQF: 6. Düzey

Ders Genel Tanıtım Bilgileri

Yüksekokul/Myo/Fakülte/Enstitü Mühendislik Fakültesi
Ders Kodu DSAI 201
Ders Adı İngilizce Fundamentals of Machine Learning and Data Science
Ders Adı Türkçe Makine Öğrenmesinin Temelleri ve Veri Bilimi
Öğretim Dili EN
Ders Türü
Dersin Düzeyi Orta
Dönem Güz
Haftalık İletişim Saatleri
Ders: 2 Okuma: 1 Laboratuvar : 0 Diğer: 0
Tahmini Öğrenci İş Yükü Dönem boyunca 156 saat
Ders Kredileri 6 AKTS
Değerlendirme Geçti / Kaldı
Ön Koşul DSAI 103 - Programming for DS and AI
DSAI 102 - Mathematical Foundations for DS and AI
DSAI 101 - Introduction to DS and AI
Yan Koşul Yok
Beklenen Ön Bilgi Yok
Kayıt Kısıtlamaları Sadece lisans öğrencileri
Genel Eğitim Hedefi Makine öğrenmesinin temel terimlerini ve kavramlarını öğrenmek, en önemli makine öğrenme yaklaşımlarının detaylarına daha derinlemesine inmek ve bunların nasıl çalıştığı, ne zaman ve nerede uygulanabilir olduğu konusunda sezgi geliştirmek.
Ders Açıklaması Bu kurs, makine öğrenimi alanına kapsamlı bir giriş niteliğindedir. Öncelikle Python'un Scikit-Learn paketini kullanarak makine öğreniminin pratik yönleri incelenecektir. Aşağıdaki konuları içerir:Denetimli Öğrenme, Denetimsiz Öğrenme, Doğrusal Sınıflandırıcılar, Ağaç Tabanlı Modeller ve Veri Bilimi.

Ders Öğrenme Çıktıları ve Yeterlilikler

Bu dersi başarıyla tamamlayabilen öğrenciler:
1) Makine öğrenmesinin temel terimlerini ve kavramlarını anlar;
2) Scikit-Learn API'sini kullanır ve kullanımına dair bazı örnekler gösterir;
3) En önemli makine öğrenmesi yaklaşımlarından birkaçının ayrıntılarına daha derinlemesine bakar ve nasıl çalıştıkları, ne zaman ve nerede uygulanabilir oldukları konusunda sezgi geliştirir.
Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları 1 2 3
1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak.
2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek
3) Mikroekonomik ve makroekonomik teoriyi anlamak
4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak.
5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak.
6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak.
7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek.
8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak.
9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde).
10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak.
11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek.

Program Sonuçları ve Yeterliliklerle İlişkisi

N Yok S Destekleyici H Çok İlgili
     
Program Çıktıları ve Yeterlilikler Düzey Değerlendirme
1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. N
2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek N
3) Mikroekonomik ve makroekonomik teoriyi anlamak N
4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. N
5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. N
6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. N
7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. N
8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. H
9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). H
10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. H
11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. H
Hazırlayan ve Tarih TUNA ÇAKAR , November 2023
Ders Koordinatörü TUNA ÇAKAR
Dönem Güz
Dersi Veren(ler)

Ders İçeriği

Hafta Konu
1) Scikit-learn ile Denetimli Öğrenme
2) Scikit-learn ile Denetimli Öğrenme
3) Scikit-learn ile Denetimli Öğrenme
4) Python'da Denetimsiz Öğrenme
5) Python'da Denetimsiz Öğrenme
6) Python'da Doğrusal Sınıflandırıcılar
7) Python'da Doğrusal Sınıflandırıcılar
8) Python'da Doğrusal Sınıflandırıcılar
9) Python'da Doğrusal Sınıflandırıcılar
10) Python'da Ağaç Tabanlı Modeller
11) Python'da Ağaç Tabanlı Modeller
12) Python'da Ağaç Tabanlı Modeller
13) Python'da Veri Bilimine Giriş
14) Python'da Veri Bilimine Giriş
15) Final Sınavı/Proje/Sunum Dönemi
16) Final Sınavı/Proje/Sunum Dönemi
Gerekli/Tavsiye Edilen Okumalar
Öğretme TeknikleriYönlendirilmiş kişisel çalışma
Ödev ve ProjelerDataCamp Görevleri ve Quizleri (%40) Final Sınavı (%60)
Laboratuvar ÇalışmasıYok
Bilgisayar KullanımıGerekli
Diğer AktivitelerYok
Değerlendirme Yöntemleri
Değerlendirme Araçları Sayı Ağırlık
TOPLAM %
Ders Yönetimi dsai@mef.edu.tr
05309225505
Öğretim üyesinin ofisi: 5. kat Telefon numarası: 0 212 395 37 50 Ofis saatleri: Daha sonra belirlenecek E-posta adresi: cakart@mef.edu.tr

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 2 42
Laboratuvar 10 1 2 30
Sınıf Dışı Ders Çalışması 1 1 10 11
Proje 1 5 25 30
Ödevler 10 1 2 30
Final 1 10 3 13
Toplam İş Yükü 156
Toplam İş Yükü/25 6.2
AKTS 6