| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Programlamaya Giriş | MAT 207 | 3 | 3 + 1 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Doç.Dr. HİDAYET HÜDA KÖSAL |
| Dersi Verenler | Dr.Öğr.Üyesi EMRE KİŞİ, |
| Dersin Yardımcıları | Bölüm Araştırma Görevlileri |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bu dersin amacı, öğrencilere Python programlama dilinin temellerini öğretmek ve matematiksel programlama, veri analizi ve yapay zeka uygulamalarında yaygın olarak kullanılan NumPy, Matplotlib ve Pandas kütüphanelerini tanıtmaktır.
|
| Dersin İçeriği |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Python programının genel yapısını anlar ve temel veri tiplerini kullanabilir. | Anlatım, Deney ve Laboratuvar, Gezi / Gözlem, Soru-Cevap, Tartışma, | |
| 2 | Python'un temel kütüphane fonksiyonlarını tanır ve kullanabilir. | Tartışma, Soru-Cevap, Gezi / Gözlem, Deney ve Laboratuvar, Anlatım, | |
| 3 | Numpy modülünü kullanarak Python'da çok boyutlu diziler oluşturabilir ve işleyebilir. | Tartışma, Soru-Cevap, Gezi / Gözlem, Deney ve Laboratuvar, Anlatım, | |
| 4 | Matplotlib modülüyle grafikler çizebilir ve bu grafikleri özelleştirebilir | Tartışma, Soru-Cevap, Gezi / Gözlem, Deney ve Laboratuvar, Anlatım, | |
| 5 | Pandas modülüyle veri çerçeveleri oluşturabilir, veri analizi yapabilir ve veri manipülasyonu gerçekleştirebilir. | Tartışma, Soru-Cevap, Gezi / Gözlem, Deney ve Laboratuvar, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Python Programlamaya Giriş | |
| 2 | Kontrol Yapıları ve Döngüler | |
| 3 | Fonksiyonlar ve Modüler Programlama | |
| 4 | Veri Yapıları | |
| 5 | Dosya İşlemleri | |
| 6 | Hata Yönetimi ve İstisnalar | |
| 7 | NumPy ile Sayısal Hesaplamalar | |
| 8 | Pandas ile Veri Manipülasyonu | |
| 9 | Pandas ile İleri Veri İşlemleri | |
| 10 | Matplotlib ile Veri Görselleştirme | |
| 11 | Matplotlib ile İleri Görselleştirme Teknikleri | |
| 12 | Veri Analizi ve Görselleştirme Projeleri | |
| 13 | Proje Çalışmaları | |
| 14 | Proje Sunumları ve Genel Değerlendirme |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | 1. Zelle, J. M. (2010). Python Programming: An Introduction to Computer Science. Franklin, Beedle & Associates Inc. 2. VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data. O'Reilly Media. 3. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. 4. Droettboom, M., Caswell, T., Hunter, J., & Firing, E. (2020). Matplotlib: Visualization with Python. [Online]. Available: https://matplotlib.org/ 5. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Ortaöğretimde kazanılan yeterlilikler üzerine kurulan matematik ile ilgili materyalleri kullanarak, ileri düzeyde bilgi donanımına sahip olur. | X | |||||
| 1 | Ortaöğretimde kazanılan yeterlilikler üzerine kurulan matematik ile ilgili materyalleri kullanarak, ileri düzeyde bilgi donanımına sahip olur. | X | |||||
| 2 | Matematik bilimindeki kavramları, teorileri ve verileri, bilimsel yöntemlerle değerlendirerek, karşılaşılan problem ve konuları belirler ve analiz eder, tartışmalar yapar, kanıta ve araştırmalara dayalı öneriler geliştirir. | X | |||||
| 3 | Matematik lisans konularında ileri düzey çalışmaları bağımsız olarak veya paydaşlarıyla ortaklaşa yürütebilecek yeterliliğe sahip olur. | X | |||||
| 4 | Matematik bilimindeki bilgileri takip edebilecek ve meslektaşları ile iletişim kurabilecek düzeyde bir yabancı dil bilgisine sahip olur. | X | |||||
| 5 | Matematik biliminin gerektirdiği düzeyde bilgisayar yazılımı bilgisine sahip olur. | X | |||||
| 6 | Matematik bilimi ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. | X | |||||
| 7 | Güncel problemlerin matematik modellerini yaparak çözümleme yeteneğine sahip olur. | X | |||||
| 8 | Soyut düşünme yeteneğini kullanır. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Python programının genel yapısını anlar ve temel veri tiplerini kullanabilir. | |||||||||
| 2 | Python'un temel kütüphane fonksiyonlarını tanır ve kullanabilir. | |||||||||
| 3 | Numpy modülünü kullanarak Python'da çok boyutlu diziler oluşturabilir ve işleyebilir. | |||||||||
| 4 | Matplotlib modülüyle grafikler çizebilir ve bu grafikleri özelleştirebilir | |||||||||
| 5 | Pandas modülüyle veri çerçeveleri oluşturabilir, veri analizi yapabilir ve veri manipülasyonu gerçekleştirebilir. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 50 |
| 1. Performans Görevi (Uygulama) | 5 |
| 2. Performans Görevi (Uygulama) | 5 |
| 3. Performans Görevi (Uygulama) | 5 |
| 4. Performans Görevi (Uygulama) | 10 |
| 5. Performans Görevi (Uygulama) | 10 |
| 6. Performans Görevi (Uygulama) | 15 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
| Ara Sınav | 1 | 10 | 10 |
| Ödev | 2 | 3 | 6 |
| Proje / Tasarım | 1 | 4 | 4 |
| Final | 1 | 13 | 13 |
| Toplam İş Yükü | 113 | ||
| Toplam İş Yükü / 25 (Saat) | 4,52 | ||
| dersAKTSKredisi | 5 | ||