Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
DSM 5004	Veri Bilimi için Python	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. SEDAT ÇAPAR

Dersi Alan Birimler

Veri Bilimi Yüksek Lisans
Veri Bilimi Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Bu dersin amacı, Python programlama dilinin temellerini ve veri bilimi için gerekli kütüphaneleri öğretmektir.

Dersin Öğrenme Kazanımları

1	Python programlarını tasarlayabilme, kodlayabilme ve test edebilme.
2	Fonksiyonlara dayalı modüler yapıya sahip programlar geliştirebilme.
3	Python fonksiyonlarını kullanarak temel istatistiksel analizler yapabilme.
4	Veri bilimi uygulamaları için Python paketlerini kullanabilme.
5	Veri görselleştirme ve grafikler için fonksiyonları kullanabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Python kurulumu, Python yardım, Python Editörleri, Jupyter notebook.
2	Yazılım geliştirme süreci, Python sözdizimi: isimler, ifadeler, atama, giriş, çıkış, belirli döngüler.
3	Veri tipleri, Math kütüphanesi, Koşullu ifadeler.
4	Metin işlemleri, metin yöntemleri, listeler ve liste yöntemleri. Veri giriş / çıkış. Dosyalar ve dosya işleme.
5	Boolean ifadeler. Karar yapıları, koşulları, çok yönlü kararlar. İstisnalar ve istisna işleme.
6	Fonksiyonlar, fonksiyon çağrıları. Parametre geçişi
7	Fonksiyonlar, Lokal değişkenler, değişkenlerin kapsamı.
8	Döngüler, Belirli ve belirsiz döngüler.
9	Vektörleştirilmiş işlemler için çok boyutlu diziler.
10	Grafikler, grafik kütüphanesi.
11	Matematiksel ve istatistiksel fonksiyonlar.
12	pandas objeleri üzerindeki işlemler ve fonksiyon uygulamaları.
13	Veri bilimi uygulamaları için Python paketleri.
14	Öğrenci sunumları.

Ders İçin Önerilen Kaynaklar

1. Downey, A. (2016). Think Python. O'Reilly.
2. Wes McKinney. (2013). Python for Data Analysis. O'Reilly.
3. VanderPlas, J. (2016). Python data science handbook: essential tools for working with data. O'Reilly.
Diğer ders materyalleri: Ders sunumları

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, uygulamalar

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	ARS	ARASINAV
3	YSS	YIL SONU SINAVI
4	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.30 + ARS * 0.30 + YSS * 0.40
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ODV * 0.30 + ARS * 0.30 + BUT * 0.40

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar, ödevler ve sunumlar

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Bilimleri Enstitüsü öğretim ve sınav uygulama esasları yönetmeliğini http://www.fbe.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

Fen Fakültesi İstatistik Bölümü B261/1
e-posta: engin.yildiztepe@deu.edu.tr
Tel: 0232 301 86 04

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	40	40
Final Sınavına Hazırlık	1	45	45
Ödev Hazırlama	1	25	25
Sunum Hazırlama	1	25	25
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			195

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.3	PK.5	PK.6	PK.7
ÖK.1	5	4	5		5
ÖK.2	5		5		5
ÖK.3	5		5	5	5
ÖK.4	5	5	5	5	5
ÖK.5	5		5		5

DERS ADI

DERECE PROGRAMLARI