6. Yarıyıl Ders İçerikleri

6. YARIYIL DERS İÇERIKLERI

Veri Bilimi ve Analitiği Lisans Programı 6. yarıyıl ders içerikleri.

Amaç: Bu dersin amacı, evrişimli (CNN) ve yinelemeli (RNN) sinir ağlarının temel mimarilerini ve çalışma mantığını tanıtmak; görüntü ve sıralı veri üzerinde basit uygulamalar geliştirmeyi öğretmektir.

İçerik: Ders kapsamında CNN’in temel yapı taşları (evrişim, havuzlama), basit bir CNN mimarisi kurma, transfer öğrenmenin temel fikri, RNN ve LSTM’in temel mantığı ile sıralı veri üzerinde basit bir uygulama konuları işlenmektedir.

Amaç: Bu dersin amacı, dijital görüntü işlemenin temel kavramlarını ve OpenCV ile temel görüntü işleme, basit nesne tespiti fikrini uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında dijital görüntünün temel kavramları, OpenCV ile görüntü okuma/işleme, temel filtreleme ve kenar tespiti, basit özellik çıkarımı ve hazır bir modelle nesne tespiti uygulaması konuları işlenmektedir.

Amaç: Bu dersin amacı, veri bilimcilerin karşılaşabileceği temel etik sorunları ve veri koruma mevzuatının (KVKK/GDPR) temel ilkelerini tanıtmak; sorumlu veri kullanımı bilinci kazandırmaktır.

İçerik: Ders kapsamında veri etiğinin temel kavramları, algoritmik önyargıya giriş, KVKK ve GDPR’ın temel ilkeleri, kişisel veri kavramı, sorumlu yapay zekâya giriş ve mesleki etik kuralları konuları işlenmektedir.

Amaç: Bu dersin amacı, zaman serisi verisinin temel bileşenlerini ve klasik tahmin yöntemlerinin (hareketli ortalama, üstel düzeltme, ARIMA’nın temel mantığı) uygulamalı kullanımını kazandırmaktır.

İçerik: Ders kapsamında zaman serisi bileşenleri (trend, mevsimsellik), durağanlık kavramına giriş, hareketli ortalama ve üstel düzeltme, ARIMA modelinin temel mantığı ve basit tahmin değerlendirme ölçütleri konuları işlenmektedir.

Amaç: Bu dersin amacı, büyük veri kavramını ve dağıtık işlem mantığını (Hadoop/Spark temel fikri) tanıtarak büyük ölçekli veri işleme yaklaşımlarına giriş düzeyinde yetkinlik kazandırmaktır.

İçerik: Ders kapsamında büyük veri kavramı ve 5V özellikleri, dağıtık dosya sistemi fikri (HDFS), Spark’ın temel mantığı ve DataFrame kullanımı, basit bir Spark SQL sorgusu ve akış verisine (streaming) giriş konuları işlenmektedir.

Amaç: Bu dersin amacı, olasılık kuramını ileri düzeyde derinleştirerek Markov zincirleri, Poisson süreci ve Brown hareketi gibi temel stokastik süreçleri kavramsal ve uygulamalı biçimde tanıtmaktır.

İçerik: Ders kapsamında koşullu beklenti kavramının pekiştirilmesi, Markov zincirlerinin temel yapısı, geçiş matrisi ve durağan dağılım, Poisson sürecinin temel özellikleri ve Brown hareketine giriş konuları işlenmektedir.

Amaç: Bu dersin amacı, nesne tabanlı programlamanın temel kavramlarını (sınıf, nesne, kalıtım, çok biçimlilik) Python ile uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında sınıf ve nesne kavramı, kalıtım, kapsülleme, çok biçimlilik ve temel tasarım desenlerine giriş konuları işlenmektedir.

Amaç: Bu dersin amacı, bulut bilişimin temel modellerini (IaaS/PaaS/SaaS) ve yaygın bulut hizmetlerini (depolama, hesaplama) tanıtarak temel düzeyde bulut kullanım becerisi kazandırmaktır.

İçerik: Ders kapsamında bulut bilişim modelleri, temel bulut hizmetleri (depolama, sanal makine), konteyner kavramına giriş (Docker) ve bulut üzerinde basit bir uygulama çalıştırma konuları işlenmektedir.

Amaç: Bu dersin amacı, anket yoluyla veri toplama sürecinin temel adımlarını (soru yazımı, ölçekleme, pilot test) uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında anket türleri, temel soru türleri ve ölçekleme (Likert), soru yazımında dikkat edilecek noktalar, pilot test kavramı ve çevrimiçi anket araçlarının temel kullanımı konuları işlenmektedir.

Amaç: Bu dersin amacı, Mesleki İngilizce I’de kazanılan temel becerileri geliştirerek basit akademik yazım, sunum ve iş iletişimi yetkinliğini pekiştirmektir.

İçerik: Ders kapsamında temel akademik yazım (giriş-gelişme-sonuç), basit bir özet (abstract) yazımı, sunum becerilerinin geliştirilmesi ve temel iş iletişimi (e-posta, kısa rapor) konuları işlenmektedir.

Amaç: Bu dersin amacı, aykırı değerlerden az etkilenen temel dayanıklı tahmin yöntemlerini (medyan tabanlı ölçüler, basit dayanıklı regresyon) tanıtmaktır.

İçerik: Ders kapsamında aykırı değer ve dayanıklılık kavramı, medyan ve IQR tabanlı ölçüler, temel M-tahminleyici fikri ve dayanıklı regresyona giriş konuları işlenmektedir.

Amaç: Bu dersin amacı, kurumsal veri ambarı ve iş zekâsı kavramlarının temelini tanıtmak; basit ETL süreçlerini ve rapor/pano oluşturmayı uygulamalı öğretmektir.

İçerik: Ders kapsamında veri ambarı kavramına giriş, ETL sürecinin temel mantığı, basit veri modelleme (yıldız şema fikri) ve Power BI ile temel pano oluşturma konuları işlenmektedir.

Amaç: Bu dersin amacı, veri görselleştirme ve sunum materyallerinde temel görsel tasarım ilkelerini (renk, tipografi, düzen) uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında temel görsel tasarım ilkeleri, renk teorisinin temelleri, tipografi temelleri ve basit bir arayüz/pano taslağı tasarlama (Figma’ya giriş) konuları işlenmektedir.

Amaç: Bu dersin amacı, coğrafi ve mekânsal verinin temel türlerini ve basit haritalama yöntemlerini uygulamalı olarak tanıtmaktır.

İçerik: Mekansal verinin yapısı ve koordinat sistemleri, mekansal komşuluk matrisleri ($W$), küresel ve yerel mekansal otokorelasyon (Moran’s I, Geary’s C, LISA), mekansal regresyon modelleri (SAR, SEM), coğrafi ağırlıklı regresyon (GWR), mekansal nokta kalıpları analizi ve kriging tabanlı mekansal kestirim yöntemleri.

Amaç: Bu dersin amacı, iş sağlığı ve güvenliğinin temel mevzuatını ve ofis/bilişim çalışma ortamına yönelik temel risk ve acil durum bilgisini kazandırmaktır.

İçerik: Ders kapsamında İSG’nin temel kavramları ve ilgili mevzuat, temel risk değerlendirmesi, ofis ortamı ve ergonomi, acil durum ve ilk yardımın temelleri konuları işlenmektedir.

Amaç: Bu dersin amacı, bir makine öğrenmesi modelini eğitimden basit bir servise dönüştürme sürecinin temel adımlarını (deney takibi, API ile sunma, temel izleme) tanıtmaktır.

İçerik: Ders kapsamında MLOps kavramına giriş, deney takibinin temel mantığı (MLflow), basit bir model API’si oluşturma (FastAPI), Docker ile konteynerleştirmeye giriş ve temel model izleme konuları işlenmektedir.

Amaç: Bu dersin amacı, pekiştirmeli öğrenmenin temel kavramlarını (ajan, ortam, ödül) ve Q-öğrenme gibi temel algoritmaları uygulamalı olarak tanıtmaktır.

İçerik: Ders kapsamında pekiştirmeli öğrenmeye giriş, Markov karar sürecinin temel fikri, değer fonksiyonu kavramı, Q-öğrenme algoritması ve basit bir ortamda (Gymnasium) ajan eğitimi konuları işlenmektedir.

Amaç: Bu dersin amacı, GPU’nun temel mimarisini ve veri bilimi işlemlerini hızlandırmak için CuPy/PyTorch ile temel GPU kullanımını uygulamalı öğretmektir.

İçerik: Ders kapsamında GPU mimarisine temel bir giriş, CPU-GPU farkının temel mantığı, CuPy ile NumPy işlemlerini GPU’ya taşıma ve PyTorch’ta tensörleri GPU’da çalıştırma konuları işlenmektedir.

Amaç: Bu dersin amacı, bilimsel bir metnin temel yapısını (giriş, yöntem, sonuç) ve kaynak gösterme kurallarını uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında akademik metnin temel özellikleri, paragraf ve tez cümlesi yazımı, kaynak gösterme (APA), literatür özeti yazımı ve basit bir revizyon süreci konuları işlenmektedir.