Anasayfa » Akademik Birimler » Makine Fakültesi » Endüstri Mühendisliği Bölümü » Dersler » Veri Analitiği ve Optimizasyon için Programlama
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Analitiği ve Optimizasyon için Programlama END592537.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Endüstri Mühendisliği ABD İşletme Mühendisliği Tezsiz Yüksek Lisans Programı (2. Öğretim)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimEndüstri Mühendisliği Bölümü
Dersin KoordinatörüMehmet Güray Güler
Dersi Veren(ler)Mehmet Güray Güler
Asistan(lar)ı
Dersin Amacı Öğrenciye veri analizi ve optimizasyon alanlarında gereksinim duyulan temel programlama bilgisini vermek,
Dersin İçeriğiTemel programlama çerçevesi: değişken tanımları, döngüler, koşullar, fonksiyon tanımlama. Güncel Python veri bilimi kitaplığını kullanarak veri işleme, temizleme ve görselleştirme Doğrusal programlama ve karma tamsayı programlama modellerinin optimizasyon kütüphaneleri ile çözme
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • https://www.edx.org/course/introduction-to-computer-science-and-programming-7
  • https://www.coursera.org/learn/python-data-analysis?specialization=data-science-python
  • https://www.coursera.org/learn/python-plotting?specialization=data-science-python
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler değişkenler, döngüler, koşullu ifadeler ve fonksiyonlar gibi temel programlama bileşenlerini öğrenebileceklerdir.
  2. Öğrenciler verileri temizleyebilecek,işleyebilecek, görselleştirebilecek ve temel istatistiksel analizleri gerçekleştirebileceklerdir
  3. Öğrenciler doğrusal programlama ve karma tamsayı programlama modelleri gibi optimizasyon modellerini kodlayabilecek ve bir çözücü yardımıyla çözebileceklerdir.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3
PÇ-1---
PÇ-2---
PÇ-3---
PÇ-4---
PÇ-5---
PÇ-6---
PÇ-7---
PÇ-8---
PÇ-9---
PÇ-10---
PÇ-11---

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş: Python, Veri Bilimi ve Optimizasyon Ders Notları bölüm 1
2Kurulum (Spyder, jupyter). Ders Notları bölüm 1
3Değişkenler, koşullar Ders Notları bölüm 1
4Döngüler, fonksiyonlar Ders Notları bölüm 1
5Diğer yapılar (string, list, tuple, dictionary) Ders Notları bölüm 1
6Veri okuma yazma, işleme, Numpy, Pandas kütüphaneleri Ders Notları bölüm 2
7Veri okuma yazma, işleme, Numpy, Pandas kütüphaneleri Ders Notları bölüm 2
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Veri Görselleştirme, (histogram, box plot, heatmaps) Matplotlib, seaborn kütüphaneleri Ders Notları bölüm 2
10Veri Görselleştirme, (histogram, box plot, heatmaps) Matplotlib, seaborn kütüphaneleri Ders Notları bölüm 2
11Veri Önişleme: aykırı değerler, eksik değerler, standardizasyon. Ders Notları bölüm 2
12Veri Önişleme: aykırı değerler, eksik değerler, standardizasyon. Ders Notları bölüm 2
13Optimizasyon modelleri: doğrusal modeller, karma tamsayı modelleri Ders Notları bölüm 3
14Örnek UygulamalarDers Notları bölüm 3
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler130
Seminer/Workshop
Ara Sınavlar130
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması133
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler150
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)150
Final (Sınav Süresi + Sınav Hazırlık Süresi)150
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok