| School/Faculty/Institute |
Graduate School |
| Course Code |
CSE 602 |
| Course Title in English |
Advanced Data Science and Engineering |
| Course Title in Turkish |
İleri Veri Bilimi ve Mühendisliği |
| Language of Instruction |
EN |
| Type of Course |
Flipped Classroom |
| Level of Course |
Advanced |
| Semester |
Spring |
| Contact Hours per Week |
| Lecture: 3 |
Recitation: 0 |
Lab: 0 |
Other: 0 |
|
| Estimated Student Workload |
188 hours per semester |
| Number of Credits |
7.5 ECTS |
| Grading Mode |
Standard Letter Grade
|
| Pre-requisites |
None |
| Expected Prior Knowledge |
None |
| Co-requisites |
None |
| Registration Restrictions |
Only Doctorate Students |
| Overall Educational Objective |
To learn advanced data science and engineering methods and how to construct and implement intelligent systems on the big data set by new hybrid models. |
| Course Description |
This course is mainly designed to provide common advanced techniques in data science and engineering. This graduate course provides a comprehensive approach to big data analytics, exploratory data analysis, and enriched visualization, advanced machine learning as well as deep learning. The course content has a special emphasis on the mathematical foundations related to the commonly used algorithms in artificial intelligence, machine learning as well as deep learning. There will also be cases on practical applications including architectural decisions, applying the relevant algorithms, selecting suitable evaluative metrics for increasing model performance, and scalability. |
| Course Description in Turkish |
Bu ders temel olarak veri bilimi ve mühendisliğinde yaygın olarak kullanılan ileri metotları öğretmek için tasarlanmıştır. Bu ders, büyük veri analitiği, keşifsel veri analizi ve zenginleştirilmiş görselleştirme, ileri yapay öğrenme ve derin öğrenmeye kapsamlı bir yaklaşım sağlar. Ders içeriği, yapay zekanın farklı alt dallarında yaygın olarak kullanılan algoritmalarla ilgili matematiksel temellere özel bir vurgu yapmaktadır. Ayrıca mimari kararlar, ilgili algoritmaları uygulama, model performansını artırmak için uygun değerlendirme ölçütlerini seçme ve ölçeklenebilirlik dahil olmak üzere pratik uygulamalara vakalar üzerinden giriş sağlanacaktır. |
Course Learning Outcomes and Competences
Upon successful completion of the course, the learner is expected to be able to:
1) Veri kümesindeki kalıpları araştırmak için büyük veri tabanlı makine öğrenimi ve yapay zeka algoritmalarını uygulamak
2) Büyük verilerde gelecekteki eğilimi tahmin etmek için gelişmiş sınıflandırma ve kümeleme yöntemlerini uygulamak
3) Büyük veriler için veri bilimi yöntemlerinin performansını değerlendirmek
4) Büyük veriler için hibrit veri işleme yöntemleri tasarlamak ve oluşturmak
5) Raporlar ve sunumlar aracılığıyla etkili iletişim kurun
6) Verileri analiz edin, yorumlayın ve sonuç çıkarmak için analitik düşünmeyi kullanmak
7) Gerektiğinde yeni bilgiler edinmek ve uygulamak
|
| Program Learning Outcomes/Course Learning Outcomes |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
Relation to Program Outcomes and Competences
| N None |
S Supportive |
H Highly Related |
| |
|
|
| |
Program Outcomes and Competences |
Level |
Assessed by |
| Prepared by and Date |
, |
| Course Coordinator |
İLKER BEKMEZCİ |
| Semester |
Spring |
| Name of Instructor |
Prof. Dr. İLKER BEKMEZCİ |
Course Contents
| Hafta |
Konu |
| 1) |
Büyük veri ön işleme ve kalite hususları |
| 2) |
Veri yoğun hesaplamanın hesaplama karmaşıklığı |
| 3) |
Büyük veri problemlerinin çözümüne yönelik algoritmaların tasarımında yenilikçi yöntemler |
| 4) |
Büyük verinin temsili, modellenmesi ve görselleştirilmesi |
| 5) |
Büyük verinin saklanması ve yönetimi,
|
| 6) |
Büyük veriye yönelik Veri Madenciliği yöntemleri ve yaklaşımları
|
| 7) |
Büyük veritabanına dayalı makine öğrenimi |
| 8) |
Büyük veri tabanına dayalı karar verme |
| 9) |
Büyük verinin istatistiksel hesaplanması
|
| 10) |
Büyük verilerin grafik-teorik hesaplanması
|
| 11) |
Büyük verinin optimizasyonu
|
| 12) |
Büyük veride yeni uygulamalar |
| 13) |
Büyük veri için yeni hibrit yöntemler
|
| 14) |
Büyük veriye yönelik yeni yaklaşımlar ve yeni trendler
|
| 15) |
Proje/Sunum Dönemi |
| 16) |
Proje/Sunum Dönemi |