Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Pyhton ile Veri AnaliziELM211034300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Elektrik Mühendisliği Lisans Programı (%30 İngilizce)
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimElektrik Mühendisliği Bölümü
Dersin KoordinatörüAli Ajder
Dersi Veren(ler)Alpaslan Demirci, Ali Ajder, Ramazan Ayaz
Asistan(lar)ı
Dersin Amacı- Python dilini kullanarak veri analizi yapabilme becerisini kazandırmak. - Veri ön işleme, analiz etme ve görselleştirme yöntemlerini öğretmek. - Veri biliminde kullanılan temel Python kütüphaneleri (NumPy, Pandas, Matplotlib, vb.) hakkında bilgi sağlamak. - Veri setlerini anlamak, analiz etmek ve yorumlamak.
Dersin İçeriği1. Python’a Giriş ve Veri Bilimi ile Tanışma - Python programlama dili temelleri - Veri analizi ve veri bilimi kavramları - Python’da veri işleme araçları 2. NumPy ile Sayısal Verilerin Analizi - NumPy dizileri ve temel işlemler - Vektör ve matris hesaplamaları 3. Pandas ile Veri Çerçeveleri (DataFrame) - Pandas kütüphanesi ile veri işleme - Veri çerçevesi oluşturma ve veri manipülasyonu - Veriyi temizleme ve ön işleme 4. Veri Görselleştirme - Matplotlib kütüphanesi ile grafikler oluşturma - Veri setlerini görselleştirme teknikleri 5. İleri Seviye Veri Analiz Teknikleri - Veri analizi yöntemleri ve uygulamalar - İstatistiksel veri analizi ve modelleme 6. Proje: Veri Analizi Uygulaması - Öğrencilerin öğrendikleri tekniklerle veri analizi yapacakları bir proje
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Python programlama dilinin temellerini öğrenir ve veri analizi için uygular.
  2. Veri manipülasyonu ve analizinde kullanılan temel kütüphaneleri (NumPy, Pandas) etkin şekilde kullanabilir.
  3. Veri görselleştirme araçlarını (Matplotlib, Seaborn) kullanarak veriyi daha anlaşılır hale getirebilir ve grafiklerle analiz edebilir.
  4. İstatistiksel veri analiz yöntemlerini kullanarak verilerdeki desenleri keşfeder ve çıkarımlar yapar.
  5. Gerçek dünya veri setlerinde analiz yaparak, elde edilen sonuçları değerlendirir ve veri odaklı kararlar alır.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-1-----
PÇ-2-----
PÇ-3-----
PÇ-4213--
PÇ-5---4-
PÇ-6-----
PÇ-7----5
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----
PÇ-12-----
PÇ-13-----
PÇ-14-----
PÇ-15-----
PÇ-16-----
PÇ-17-----
PÇ-18-----
PÇ-19-----
PÇ-20-----
PÇ-21-----
PÇ-22-----
PÇ-23-----
PÇ-24-----
PÇ-25-----
PÇ-26-----
PÇ-27-----
PÇ-28-----
PÇ-29-----
PÇ-30-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Python’a Giriş ve Veri Bilimi ile Tanışma - Python programlama dili temelleri - Veri analizi ve veri bilimi kavramları - Python’da veri işleme araçları
2Python’a Giriş ve Veri Bilimi ile Tanışma - Python programlama dili temelleri - Veri analizi ve veri bilimi kavramları - Python’da veri işleme araçları
3NumPy ile Sayısal Verilerin Analizi - NumPy dizileri ve temel işlemler - Vektör ve matris hesaplamaları
4Pandas ile Veri Çerçeveleri (DataFrame) - Pandas kütüphanesi ile veri işleme - Veri çerçevesi oluşturma ve veri manipülasyonu - Veriyi temizleme ve ön işleme
5Pandas ile Veri Çerçeveleri (DataFrame) - Pandas kütüphanesi ile veri işleme - Veri çerçevesi oluşturma ve veri manipülasyonu - Veriyi temizleme ve ön işleme
6Veri Görselleştirme - Matplotlib kütüphanesi ile grafikler oluşturma - Veri setlerini görselleştirme teknikleri
7Veri Analizine İleri Seviye Yaklaşımlar - İstatistiksel veri analizi yöntemleri
8Ara Sınav 1
9Veri Analizine İleri Seviye Yaklaşımlar - İstatistiksel veri analizi yöntemleri
10 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
11 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
12 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
13 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
14 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
15 Veri analizi konularında derinlemesine uygulamalar ve proje çalışmaları.
16Final

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
Ödev115
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)16
Final (Sınav Süresi + Sınav Hazırlık Süresi)16
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok