8. Yarıyıl Ders İçerikleri

8. YARIYIL DERS İÇERIKLERI

Veri Bilimi ve Analitiği Lisans Programı 8. yarıyıl ders içerikleri.

Amaç: Bu dersin amacı, Bitirme Projesi I’de planlanan çalışmayı uygulamaya geçirerek veri toplama, analiz ve bulguların raporlanmasını tamamlamaktır.

İçerik: Ders kapsamında proje planının uygulamaya konması, veri toplama ve temel ön işleme, temel analiz/model uygulaması, bulguların yorumlanması ve bitirme projesi raporunun yazımı konuları işlenmektedir.

Amaç: Bu dersin amacı, veri bilimi ve yapay zekâdaki güncel gelişmelere (büyük dil modelleri, temel uygulama örnekleri) tanıtıcı düzeyde bir bakış kazandırmak; mezuniyet sonrası sürekli öğrenme bilinci oluşturmaktır.

İçerik: Ders kapsamında büyük dil modellerine genel bir bakış, temel istem (prompt) kullanımı, güncel yapay zekâ araçlarının veri biliminde kullanımı ve sağlık/finans gibi alanlardan güncel örnek uygulamalar konuları işlenmektedir.

Amaç: Bu dersin amacı, birden fazla değişkenin birlikte analiz edilmesini gerektiren temel çok değişkenli yöntemleri (PCA, temel kümeleme, MANOVA’nın temel fikri) uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında çok değişkenli veri kavramı, temel bileşenler analizine (PCA) giriş, temel kümeleme yöntemleri, MANOVA’nın temel mantığı ve basit bir diskriminant analizi fikri 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 tanıtarak büyük ölçekli veri işleme yaklaşımlarına giriş düzeyinde yetkinlik kazandırmaktır.

İçerik: Ders kapsamında büyük veri kavramı, dağıtık dosya sistemi fikri, Spark’ın temel mantığı ve akış verisine 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 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 ve yaygın bulut hizmetlerini tanıtarak temel düzeyde bulut kullanım becerisi kazandırmaktır.

İçerik: Ders kapsamında bulut bilişim modelleri, temel bulut hizmetleri, konteyner kavramına giriş ve bulutta 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 öğretmektir.

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

Amaç: Bu dersin amacı, veri görselleştirme ve sunum materyallerinde temel görsel tasarım ilkelerini uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında temel görsel tasarım ilkeleri, renk teorisinin temelleri, tipografi temelleri ve 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 bilgisini kazandırmaktır.

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

Amaç: Bu dersin amacı, bir makine öğrenmesi modelini eğitimden basit bir servise dönüştürme sürecinin temel adımlarını tanıtmaktır.

İçerik: Ders kapsamında MLOps kavramına giriş, deney takibinin temel mantığı, basit bir model API’si oluşturma ve temel model izleme konuları işlenmektedir.

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

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

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

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

Amaç: Bu dersin amacı, bilimsel bir metnin temel yapısını ve kaynak gösterme kurallarını uygulamalı olarak kazandırmaktır.

İçerik: Ders kapsamında akademik metnin temel özellikleri, paragraf ve tez cümlesi yazımı, kaynak gösterme ve literatür özeti yazımı konuları işlenmektedir.