5. Yarıyıl Ders İçerikleri

5. YARIYIL DERS İÇERIKLERI

Veri Bilimi ve Analitiği Lisans Programı 5. yarıyıl ders içerikleri.

Amaç: Bu dersin amacı, yapay sinir ağlarının temel yapısını ve çalışma mantığını; algılayıcıdan çok katmanlı ağlara geçişi, ileri/geri yayılım ve temel eğitim kavramlarını Keras ile uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında biyolojik ve yapay nöron modeli, çok katmanlı algılayıcı (MLP), ileri yayılım ve kayıp fonksiyonu, geri yayılım ve gradyan iniş, temel aktivasyon fonksiyonları (Sigmoid, ReLU), aşırı öğrenmeye giriş ve Keras ile basit bir sınıflandırma modeli geliştirme konuları işlenmektedir.

Amaç: Bu dersin amacı, temel keşifsel veri analizi adımlarını ve yaygın görselleştirme araçlarını (Matplotlib, Seaborn, temel Plotly) kullanarak veri setlerini anlaşılır biçimde sunma becerisini kazandırmaktır.

İçerik: Ders kapsamında betimsel istatistiklerle veri keşfi, eksik/aykırı değer inceleme, temel grafik türleri (histogram, kutu grafiği, dağılım grafiği), Seaborn ile ilişkisel görselleştirme, basit etkileşimli grafikler (Plotly) ve okunabilir bir analiz raporu hazırlama konuları işlenmektedir.

Amaç: Bu dersin amacı, temel veri yapılarını (dizi, bağlı liste, yığın, kuyruk, ağaç, hash tablosu) ve temel algoritma tasarım yaklaşımlarını Python ile uygulamalı olarak öğretmek ve algoritma karmaşıklığını kavratmaktır.

İçerik: Ders kapsamında algoritma analizi ve O notasyonu, diziler ve bağlı listeler, yığın ve kuyruk, ikili arama ağacı, hash tabloları, temel sıralama ve arama algoritmaları, graf kavramına giriş (BFS/DFS) konuları işlenmektedir.

Amaç: Bilimsel araştırmalarda sıkça kullanılan regresyon konularının uzmanlık düzeyinde öğrenimini sağlamak.

İçerik: 1. Regresyon analizi konusunda öğrencileri detaylı bir şekilde bilgilendirmek.
2. Kurulan regresyon modellerinin varsayımlarını kontrol ederek doğru tahmin yapabilmek.
3. Bilgisayar ortamında regresyon analizini öğretmek.

Amaç: Bu dersin amacı, lineer cebir bilgisini matris analizi açısından derinleştirmek; matris fonksiyonları, özel matris sınıfları, pertürbasyon teorisi ve sayısal lineer cebir yöntemlerini ileri düzey uygulamalar için kapsamlı biçimde öğretmektir.

İçerik: Ders kapsamında matris normları ve uzaklık ölçüleri, öz değer, öz vektör, Jordan kanonik formu, simetrik matrisler ve spektral teorem, matris fonksiyonları, tekil değer ayrışımı (SVD) ve uygulamaları, sayısal lineer cebir yöntemleri konuları işlenmektedir.

Amaç: Bu dersin amacı, doğrusal programlama problemlerinin formülasyonunu, grafik ve Simpleks yöntemiyle çözümünü temel düzeyde kazandırmak; Python ile basit optimizasyon modelleri kurmayı öğretmektir.

İçerik: Ders kapsamında doğrusal programlama problemi formülasyonu, grafik çözüm yöntemi, Simpleks algoritmasının temel mantığı, dualite kavramına giriş, tamsayılı programlamaya giriş ve Python (PuLP) ile model çözümü konuları işlenmektedir.

Amaç: Bu dersin amacı, metin verisinin temel işleme adımlarını ve doğal dil işlemenin temel yöntemlerini tanıtarak metin tabanlı basit uygulamalar geliştirme becerisi kazandırmaktır.

İçerik: Ders kapsamında metin ön işleme (tokenizasyon, kök bulma), kelime temsilleri (bag-of-words, TF-IDF), temel metin sınıflandırma, duygu analizine giriş ve hazır bir dil modeliyle basit bir metin işleme uygulaması konuları işlenmektedir.

Amaç: Bu dersin amacı, sosyal ağların temel graf gösterimini ve merkezi önem ölçütlerini Python (NetworkX) ile uygulamalı olarak öğretmektir.

İçerik: Ders kapsamında graf kavramına giriş, ağ temsil biçimleri, temel merkezi önem ölçütleri, küçük dünya/ölçeksiz ağ fikri ve temel topluluk tespiti konuları işlenmektedir.

Amaç: Bu dersin amacı, klinik araştırma tasarımı, sağkalım analizi, sağlık kayıtları madenciliği ve tıbbi görüntü analizinde kullanılan istatistiksel ve makine öğrenmesi yöntemlerini gerçek tıbbi veri setleri üzerinde uygulamalı biçimde öğretmektir.

İçerik: Ders kapsamında klinik araştırma tasarımı, sağkalım analizi (Kaplan-Meier, Cox regresyonu), tanı testleri (duyarlılık, özgüllük, ROC), biyoistatistik, tıbbi görüntü analizi (CXR, MRI) ve veri gizliliği gibi konular ele alınmaktadır.

Amaç: Bu dersin amacı, finansal verilerin temel yapısını, getiri/risk hesaplamalarını ve basit portföy mantığını tanıtarak finansal veri analizine giriş düzeyinde yetkinlik kazandırmaktır.

İçerik: Ders kapsamında finansal veri kaynakları, getiri ve volatilite hesaplama, temel zaman serisi kavramları, portföy teorisine giriş, temel risk ölçütleri ve basit bir alım-satım stratejisi fikri konuları işlenmektedir.

Amaç: Bu dersin amacı, parametrik varsayımların karşılanamadığı durumlarda güvenilir istatistiksel çıkarım sağlayan parametrik olmayan testleri ve tahmin yöntemlerini kuramsal ve uygulamalı düzeyde kazandırmaktır.

İçerik: 1.Parametrik olmayan testlerin özelliklerini vermek.
2.Önemli bazı parametrik olmayan testleri vermek.

Amaç: Bu dersin amacı, veri bilimi ve yapay zekâ alanındaki İngilizce teknik okuma, yazma, konuşma ve dinleme becerilerini mesleki bağlamlarda geliştirmek; uluslararası akademik yayın, konferans sunumu ve teknik raporlama yetkinliğini kazandırmaktır.

İçerik: Ders kapsamında veri bilimi ve yapay zekâ alanında akademik makaleler okuma ve özetleme, teknik İngilizce yazım (makale taslağı, teknik rapor), konferans özeti (abstract) yazımı, sözlü akademik sunum ve soruları yanıtlama, veri bilimi jargonu ve terimleri, İngilizce profil geliştirme ve uluslararası işe başvuru sürecinde İngilizce yetkinlik konuları işlenmektedir.

Amaç: Bu dersin amacı; öğrencilere kalite kontrolün temel kavramlarını aktarmak, üretim ve süreç tasarımında istatistiksel yöntemleri (kontrol şemaları, kabul örneklemesi) kullanma becerisi kazandırmak ve bilgisayar uygulamaları yardımıyla süreçlerin kalitesini analiz edip iyileştirme yetkinliği sağlamaktır.

İçerik: Kalite ve istatistiksel kalite kontrolün temel kavramları ve tarihçesi; süreç izleme ve değişkenlik analizinde kullanılan kontrol şemaları; kabul örneklemesi planları; üretim, süreç tasarımı ve kalite yönetiminde kullanılan istatistiksel yöntemler ile bu yöntemlerin bilgisayar ortamındaki uygulamaları.

Amaç: Bu dersin amacı, öğrencilere örnekleme teorisinin temel kavramlarını aktarmak ve ana kütleden bilimsel yöntemlerle doğru veri toplama, örneklem büyüklüğünü belirleme ve kitle parametrelerini tahmin etme becerisi kazandırmaktır.

İçerik: Örnekleme ve tahmin teorisinin temelleri; basit tesadüfi, tabakalı, sistematik ve küme örneklemesi gibi örnekleme yöntemleri; çok aşamalı tasarımlar ile oran tahmini ve tekrarlı örnekleme teknikleri.

Amaç: Bu dersin amacı öğrencilere karmaşık deney düzeneklerini bilimsel olarak planlamayı, veriyi verimli bir şekilde toplamayı öğretmek ve deney tasarım modellerini bilgisayar uygulamaları eşliğinde kullanarak karar verme becerisi kazandırmaktır.

İçerik: Deney tasarımının temel ilkeleri, tek ve iki yönlü varyans analizi (ANOVA) modelleri, varsayım kontrolleri, post hoc (çoklu karşılaştırma) testleri, Latin, Greko-Latin karesi ve iç içe (nested) tasarımlar ile bu modellerin bilgisayar ortamındaki uygulamaları.

Amaç: Bu dersin amacı, veri bilimi çalışmalarında sık kullanılan Linux işletim sisteminin temel komut satırı araçlarını ve basit kabuk betiklerini uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında Linux’a giriş, dosya sistemi ve temel komutlar, dosya izinleri, temel metin işleme araçları, basit bash betikleri ve uzak sunucuya SSH ile bağlanma konuları işlenmektedir.

Amaç: Bu dersin amacı, güncel üretici yapay zekâ araçlarını (ChatGPT, Copilot vb.) akademik ve mesleki çalışmalarda sorumlu ve etkin biçimde kullanma becerisi kazandırmaktır.

İçerik: Ders kapsamında yapay zekâ asistanlarına giriş, temel istem (prompt) yazma teknikleri, yapay zekâ destekli kod yazma, yapay zekâ çıktılarını değerlendirme ve akademik kullanımda etik kurallar konuları işlenmektedir.

Amaç: Bu dersin amacı, veri bilimi sistemlerinde temel güvenlik kavramlarını, yaygın tehditleri ve temel korunma yöntemlerini tanıtmak; güvenli veri ve kod geliştirme bilinci kazandırmaktır.

İçerik: Ders kapsamında siber güvenliğin temel kavramları (CIA üçlüsü), temel ağ güvenliği, şifrelemenin temel mantığı, güvenli kodlamanın temel ilkeleri (OWASP Top 10’a giriş) ve temel veri güvenliği uygulamaları konuları işlenmektedir.

Amaç: Bu dersin amacı, veri bilimi sonuçlarını web ortamında paylaşabilmek için temel HTML, CSS ve JavaScript becerilerini kazandırmaktır.

İçerik: Ders kapsamında HTML temel yapısı, CSS ile biçimlendirme, temel JavaScript kavramları, basit responsive tasarım ve Streamlit ile basit bir veri uygulaması geliştirme konuları işlenmektedir.

Amaç: Bu dersin amacı, temel masaüstü arayüz geliştirme (Tkinter) ve görsel/no-code araçlarla basit veri analitiği uygulamaları oluşturma becerisi kazandırmaktır.

İçerik: Ders kapsamında görsel programlamaya giriş, Tkinter ile temel pencere ve bileşen oluşturma, basit olay yönetimi ve Orange Data Mining ile görsel veri analitiğine giriş konuları işlenmektedir.