| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Python İle Veri Analizi | ISE 448 | 8 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. İSMAİL HAKKI CEDİMOĞLU |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Python ile Veri Analizi dersi kapsamında, Python programlama dili anlatılır. Python programlama diline ait veri analizi kütüphaneleri incelenecektir. Programlama dillei ile veri analizi uygulamaları gerçekleştirilir. |
| Dersin İçeriği | Temel veri tipleri, Temel kontrol yapıları, Data list oluşturulması ve kullanımı, Matrislerin kullanımı, Diziler, Çok boyutlu diziler, Data frame kullanımı, Veri Analizi |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Karar verme ve tekrarlı yapıları program kodlarında kullanabilir | Tartışma, Gezi / Gözlem, Gözlem, | |
| 2 | Fonksiyonları programın etkinliğini sağlamak için kullanabilir | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, | |
| 3 | Python programını etkin bir şekilde algoritmalar kullanarak yazabilir | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, Grupla Çalışma, | |
| 4 | pandas kütüphanesi kullanarak veri analizi yapabilir. | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, | |
| 5 | pandas-profiling kütüphanesi kullanarak detaylı veri analizi yapabilir. | Soru-Cevap, Beyin Fırtınası, Tartışma, Bireysel Çalışma, Grupla Çalışma, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Python Programlamaya Giriş | |
| 2 | Girdi, İşlem ve Çıktı | |
| 3 | Temel Kontrol Yapıları - Karar Verme Yapısı ve Tekrarlı Yapı | |
| 4 | Fonksiyonlar | |
| 5 | Python List, Dictionary ve Tuple Veri Yapıları | |
| 6 | pandas kütüphanesi, Series ve Dataframe Veri Yapıları | |
| 7 | pandas kütüphanesi veri temizleme | |
| 8 | pandas kütüphanesi ile veri analizi | |
| 9 | ydata, sweetviz ve dataprep kütüphaneleri ile otomatik veri analizi | |
| 10 | pandas pivot tablo | |
| 11 | numpy kütüphanesi | |
| 12 | Grafik Kütüphaneleri | |
| 13 | Büyük Veri | |
| 14 | Veri Analizi Uygulamaları |
| Kaynaklar | |
|---|---|
| Ders Notu | PPT Sunuları, Python Program Kodları |
| Ders Kaynakları | Learning R, Richard Cotton, O'Reilly Media, Inc., 2013. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | X | |||||
| 2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | X | |||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | X | |||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | |||||
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | X | |||||
| 6 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, | X | |||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | |||||
| 8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | ||||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | |||||
| 10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | |||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | X | |||||
| 12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | X | |||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| 1. Yıl İçinin Başarıya | 30 |
| 1. Final | 70 |
| 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) | 12 | 3 | 36 |
| Ara Sınav | 1 | 7 | 7 |
| Kısa Sınav | 1 | 7 | 7 |
| Ödev | 1 | 9 | 9 |
| Final | 1 | 12 | 12 |
| Toplam İş Yükü | 119 | ||
| Toplam İş Yükü / 25 (Saat) | 4,76 | ||
| Dersin AKTS Kredisi | 5 | ||