| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Optimizasyon ve Veri Analizi İçin Programlama | END5134 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Endüstri Mühendisliği ABD Endüstri Mühendisliği Yüksek Lisans Programı Seçmeli @ Endüstri Mühendisliği ABD Endüstri Mühendisliği Yüksek Lisans Programı (2. Öğretim) Seçmeli @ Endüstri Mühendisliği ABD Endüstri Mühendisliği Doktora Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Endüstri Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Mehmet Güray Güler |
| Dersi Veren(ler) | Mehmet Güray Güler |
| Asistan(lar)ı | Ebru Geçici |
| Dersin Amacı | Öğrenciye veri analizi ve optimizasyonu alanlarında ihtiyaç duyulan temel programlama bilgisini vermek. |
|---|---|
| Dersin İçeriği | Temel programlama çerçevesi: değişken tanımları, döngüler, koşullar, fonksiyon tanımı. Yeni Python veri bilimi kitaplıklarını kullanarak veri işleme, temizleme ve görselleştirme Optimizasyon kitaplıklarıyla doğrusal programlama ve karma tam sayılı programlama modellerini çözme |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler değişkenler, döngüler, koşullu ifadeler ve işlevler gibi temel programlama bileşenlerini öğreneceklerdir.
- Öğrenciler, veri analizi ve optimizasyonu için modern python kitaplıklarını ve buradaki veri yapılarını kullanmayı öğreneceklerdir.
- Öğrenciler verileri temizleyebilecek, işleyebilecek, görselleştirebilecek ve manipüle edebilecektir.
- Öğrenciler, doğrusal programlama ve karma tamsayılı programlama modelleri gibi optimizasyon problemlerini kodlayabilecek, çözebilecek ve sonuçlarını analiz edebilecektir.
- Öğrenciler veritabanlarına veri okuyabilecek ve yazabilecektir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Python'a giriş, kurulum (Spyder, jupyter) | Ders Notları |
| 2 | Değişkenler, koşullu yapılar | Ders Notları |
| 3 | Döngüler, fonksiyonlar | Ders Notları |
| 4 | Python kütüphaneleri: Numpy, pandas | Ders Notları |
| 5 | Python kütüphaneleri: Numpy, pandas | Ders Notları |
| 6 | Python kütüphaneleri: Numpy, pandas | Ders Notları |
| 7 | Python kütüphaneleri: Numpy, pandas | Ders Notları |
| 8 | Ara Sınav 1 | |
| 9 | Makine öğrenmesi uygulamaları: Aşırı öğrenme örneği | Ders Notları |
| 10 | Optimizasyon uygulamaları | Ders Notları |
| 11 | Optimizasyon uygulamaları | Ders Notları |
| 12 | Optimizasyon uygulamaları | Ders Notları |
| 13 | Veri tabanları ile python | Ders Notları |
| 14 | Veri görselleştirme | Ders Notları |
| 15 | Ders Notları | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | 2 | 60 |
| Seminer/Workshop | ||
| Ara Sınavlar | ||
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 13 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 13 | 2 | |
| Derse Özgü Staj | |||
| Ödev | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 2 | 20 | |
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | |||
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
