Ders Planı

İDARİ BİRİMLER

İSTANBUL AYDIN ÜNİVERSİTESİ

SINIF 1

SINIF 4

Ders Planı /

Ders Bilgileri

Dersin Kredisi
Dersin AKTS Kredisi
Dersin Öğretim Dili	İngilizce
Dersin Düzeyi	Lisans , TYYÇ: 6. Düzey , EQF-LLL: 6. Düzey , QF-EHEA: 1. Düzey
Dersin Türü
Dersin Veriliş Şekli	Yüz-Yüze Eğitim
Ders zorunlu veya opsiyonel iş deneyimi gerektiriyor mu ?
Dersin Koordinatörü
Dersi Veren(ler)
Dersin Yardımcıları

Amaç ve İçerik

Dersin Amacı	Master fundamental concepts of data science and visualization and skills to preprocess, analyse, construct, train and test models, integrate with application programs
Dersin İçeriği	difference between knowledge and data, methods of preprocessing, model theory and evaluation algorithms such as SVM, nearest neighbor, k-means, random forest, ensemble methods, regression algorithms

Öğrenme Çıktıları

Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi
Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık
Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.

Haftalık Ders Konuları

1	Introduction
2	Project and data understanding
3	Visualization
4	Dimensionality reduction methods
5	Data preprocessing
6	Principles of modelling
7	Techniques of modelling
8	Midterm
9	Association rules
10	Clustering
11	Bayesian classifiers
12	Regression
13	Decision tree
14	Deep learning, neural networks

Kaynaklar

1-Introduction to Data Science:Guide to Intelligent data science, by Michael R. Berthold, Internet resources

EUA Kurumsal Öz değerlendirme Programı İzleme Raporu