Mühendisler için Veri Bilimi (IND368) | GSÜ

İçerik

Dersin Amacı

Bu dersin amacı, endüstri mühendisliği öğrencilerine veri biliminin temellerini öğretmek, büyük veri setlerinin analizi için yöntemleri tanıtmak ve endüstriyel uygulamaları için veri bilimi yöntemlerini kullanma becerilerini kazandırmaktır.

Dersin İçeriği

1. Hafta - Veri Bilimine 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 Bilimi Vaka Çalışmaları

Dersin Öğrenme Çıktıları

Bu dersi başarıyla tamamlayan öğrenci:
1. Veri bilimi yöntemlerinin temel prensiplerini tanımlayabilir.
2. Farklı veri bilimi tekniklerini ve araçlarını kullanarak gerçek dünya problemlerine çözümler üretebilir.
3. İleri düzey veri bilimi yöntemlerinin (makine öğrenimi, derin öğrenme vb.) hangi durumlarda kullanılabileceğine karar verebilir.
4. Veri analizini sonuçlarını yorumlayabilir ve sonuçları aktarabilir.
5. Karar destek sistemleri için veri bilimi yöntemlerini entegre edebilir.
6. Veri bilimi projelerini planlayabilir ve yürütebilir.

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

Konu Başlıkları

Teori Konu Başlıkları
Hafta	Konu Başlıkları
1	Veri Bilimine 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	Ara Sınav
9	Zaman Serileri Analizi
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 Bilimi Vaka Çalışmaları

Değerlendirme Sistemi

Başarı Notuna Etki Oranları
Etkinlikler	Sayı	Katkı Payı
Yarıyıl içi çalışmaların başarı notuna katkısı	7	60
Yarıyıl sonu çalışmaların başarı notuna katkısı	1	40
Toplam	8	100

Yarıyıl İçi Çalışmaları
Etkinlikler	Sayı	Katkı Payı
Ödevler	5	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
Bütünleme	0	0
Toplam	7	60

Yeterlilik İlişkisi

Numara	Program Yeterlilikleri	Puan
Numara	Program Yeterlilikleri	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

AKTS - İş Yükü Tablosu

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)	1	5	5
Proje	1	20	20
Laboratuar	0	0	0
Diğer Uygulamalar	0	0	0
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil)	1	5	5
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
Ts Yıl Sonu	0	0	0
Hazırlık Yıl Sonu	0	0	0
Hazırlık Bütünleme	0	0	0
Toplam İş Yükü			96
Toplam İş Yükü / 25			3.84
Dersin AKTS Kredisi			4