Mühendislik Veri Analitiği(IND363)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| IND363 | Mühendislik Veri Analitiği | 5 | 3 | 0 | 0 | 4 | 4 |
| Ön Koşul | ING231/ING242 |
| Derse Kabul Koşulları | ING231/ING242 |
| Dersin Dili | Fransızca |
| Türü | Seçmeli |
| Dersin Düzeyi | Lisans |
| Dersi Veren(ler) | Sadettin Emre ALPTEKİN ealptekin@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu dersin amacı, endüstri mühendisliği öğrencilerine veri analitiği temellerini öğretmek, büyük veri setlerinin analizi için yöntemleri tanıtmak ve endüstriyel uygulamaları için veri analitiği yöntemlerini kullanma becerilerini kazandırmaktır. |
| İçerik |
1. Hafta - Veri Analitiğine Giriş: Tanımlar ve Uygulamalar 2. Hafta - Veri Madenciliği ve Ön İşleme Teknikleri 3. Hafta - İstatistiksel Veri Analizi 4. Hafta - Makine Öğrenimi Temelleri 5. Hafta - Sınıflandırma Modelleri 6. Hafta - Regresyon Analizi ve Tahmin Modelleri 7. Hafta - Kümeleme ve Birliktelik Kuralları 8. Hafta - Zaman Serileri Analizi 9. Hafta - Ara Sınav 10. Hafta - Derin Öğrenme Temelleri ve Uygulamaları 11. Hafta - Doğal Dil İşleme ve Metin Madenciliği 12. Hafta - Öneri Sistemleri ve Uygulamaları 13. Hafta - Büyük Veri Teknolojileri ve Uygulamaları 14. Hafta - Endüstriyel Uygulamalarda Veri Analitiği Vaka Çalışmaları |
| Dersin Öğrenme Çıktıları |
- Veri analitiği yöntemlerinin temel prensiplerini anlamak. - Farklı veri analitiği tekniklerini ve araçlarını kullanarak gerçek dünya problemlerine çözümler üretme becerisi kazanmak. - Endüstriyel veri setlerini analiz edebilme yeteneği. - İleri düzey veri analitiği yöntemleri (makine öğrenimi, derin öğrenme vb.) hakkında temel bilgi sahibi olmak. - Veri analitiği sonuçlarını yorumlama ve sonuçları iletişim kurma becerisi. - Karar destek sistemleri için veri analitiği yöntemlerini entegre etme yeteneği. - Veri analitiği projelerini planlama ve yürütme becerisi. |
| Öğretim Yöntemleri | Ders anlatımı ve sunum, uygulamalı laboratuvar çalışmaları, tartışma |
| Kaynaklar |
"Data Science for Business" - Foster Provost & Tom Fawcett "Python for Data Analysis" - Wes McKinney "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" - Aurélien Géron "The Art of Data Science" - Roger D. Peng & Elizabeth Matsui "Coursera" platformundaki eğitim dokümanları |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Veri Analitiğine Giriş: Tanımlar ve Uygulamalar |
| 2 | Veri Madenciliği ve Ön İşleme Teknikleri |
| 3 | İstatistiksel Veri Analizi |
| 4 | Makine Öğrenimi Temelleri |
| 5 | Sınıflandırma Modelleri |
| 6 | Regresyon Analizi ve Tahmin Modelleri |
| 7 | Kümeleme ve Birliktelik Kuralları |
| 8 | Zaman Serileri Analizi |
| 9 | Ara Sınav |
| 10 | Derin Öğrenme Temelleri ve Uygulamaları |
| 11 | Doğal Dil İşleme ve Metin Madenciliği |
| 12 | Öneri Sistemleri ve Uygulamaları |
| 13 | Büyük Veri Teknolojileri ve Uygulamaları |
| 14 | Endüstriyel Uygulamalarda Veri Analitiği Vaka Çalışmaları |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 |
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 1 | 60 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
| Toplam | 2 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 4 | 15 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 25 |
| Proje | 1 | 20 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Toplam | 6 | 60 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, fen ve mühendislik bilimleri konularında yeterli bilgi birikimi | X | ||||
| 2 | Bu alanlardaki kuramsal ve uygulamalı bilgileri karmaşık mühendislik problemlerini modelleme ve çözme için uygulayabilme becerisi | X | ||||
| 3 | Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme, doğrulama ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | ||||
| 4 | Karmaşık bir üretim veya hizmet sistemini, süreci, cihazı veya ürünü gerçekçi ve değişken kısıtlar ve koşullar altında, performans boyutlarını iyileştirmeye yönelik tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | ||||
| 5 | Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern yöntem, teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | ||||
| 6 | Karmaşık Endüstri Mühendisliği problemlerinin veya bu alandaki araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuç çıkartma, sonuçları analiz etme ve yorumlama becerisi | X | ||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde ve farklı rollerde çalışabilme becerisi; bireysel çalışma becerisi | |||||
| 8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki 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 | |||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme, bilgi yönetimi araçlarını kullanma ve kendini sürekli yenileme becerisi | |||||
| 10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; Endüstri Mühendisliği uygulamalarında kullanılan ulusal ve/veya uluslararası standartlar hakkında bilgi | |||||
| 11 | Proje yönetimi ile risk yönetimi ve değişim yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi | |||||
| 12 | Girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | |||||
| 13 | Endüstri Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri hakkında bilgi; toplumsal ve kurumsal sosyal sorumluluk bilinci | |||||
| 14 | Çağın mühendislik alanına yansıyan sorunları hakkında bilgi | |||||
| 15 | Endüstri Mühendisliği çözümlerinin hukuksal sonuçları konusunda farkındalık | |||||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 14 | 1 | 14 |
| Ödevler | 5 | 2 | 10 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Proje | 1 | 20 | 20 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 14 | 14 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 | 0 |
| Raporlar | 0 | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 | 0 |
| Seminer | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Bütünleme | 0 | 0 | 0 |
| Toplam İş Yükü | 100 | ||
| Toplam İş Yükü / 25 | 4.00 | ||
| Dersin AKTS Kredisi | 4 | ||