7. Yarıyıl Ders İçerikleri

7. YARIYIL DERS İÇERIKLERI

Veri Bilimi ve Analitiği Lisans Programı 7. yarıyıl ders içerikleri.

Amaç: Bu dersin amacı, öğrencinin bir veri bilimi problemini seçerek literatür taraması, problem tanımı ve temel bir çalışma planı hazırlamasını sağlamaktır.

İçerik: Ders kapsamında proje konusu belirleme, temel literatür tarama yöntemleri, problem tanımı ve araştırma sorusu oluşturma, basit bir çalışma planı hazırlama ve proje öneri raporu yazımı konuları işlenmektedir.

Amaç: Bu dersin amacı, derin öğrenmede güncel bir mimari olan Transformer’ın temel çalışma mantığını ve bir-iki güncel uygulama alanını (metin veya görüntü) tanıtıcı düzeyde kazandırmaktır.

İçerik: Ders kapsamında dikkat (attention) mekanizmasının temel fikri, Transformer mimarisinin temel yapı taşları, önceden eğitilmiş bir dil modelinin temel kullanımı ve güncel derin öğrenme uygulamalarına genel bir bakış konuları işlenmektedir.

Amaç: Bu dersin amacı, bilimsel araştırmanın temel aşamalarını, temel araştırma tasarımlarını ve bilimsel etiğin temel ilkelerini bitirme projesine destek olacak biçimde kazandırmaktır.

İçerik: Ders kapsamında bilimsel araştırmanın temel aşamaları, temel araştırma tasarımları (nicel/nitel), hipotez ve değişken kavramı, temel veri toplama yöntemleri, akademik yazımın temelleri ve araştırma etiği 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 ve temel çözüm yöntemlerini uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında doğrusal programlama formülasyonu, grafik çözüm yöntemi, Simpleks algoritmasının temel mantığı ve Python ile model çözümü konuları işlenmektedir.

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

İçerik: Ders kapsamında metin ön işleme, kelime temsilleri (bag-of-words, TF-IDF), temel metin sınıflandırma ve duygu analizine giriş 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 ve getiri/risk hesaplamalarını tanıtarak finansal veri analizine giriş düzeyinde yetkinlik kazandırmaktır.

İçerik: Ders kapsamında finansal veri kaynakları, getiri ve volatilite hesaplama, portföy teorisine giriş ve temel risk ölçütleri 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 uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında Linux’a giriş, dosya sistemi ve temel komutlar, temel metin işleme araçları ve basit bash betikleri konuları işlenmektedir.

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

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

Amaç: Bu dersin amacı, veri bilimi sistemlerinde temel güvenlik kavramlarını ve temel korunma yöntemlerini tanıtmaktır.

İçerik: Ders kapsamında siber güvenliğin temel kavramları, temel ağ güvenliği, şifrelemenin temel mantığı ve güvenli kodlamanın temel ilkeleri 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 ve Streamlit ile basit bir veri uygulaması geliştirme konuları işlenmektedir.

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

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