• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

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

PROF. DR. SEDAT ÇAPAR

Dersi Alan Birimler

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

Dersin Amacı

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 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

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, uygulamalar

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YSS YIL SONU SINAVI 3 YSBN YIL SONU BAŞARI NOTU ARS * 0.40 + YSS * 0.60 4 BUT BÜTÜNLEME 5 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.40 + BUT * 0.60

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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.2 PK.3 PK.4 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