Veri Bilimi Uygulamaları(MAT425)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| MAT425 | Veri Bilimi Uygulamaları | 8 | 2 | 0 | 0 | 2 | 4 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | Fransızca |
| Türü | Seçmeli |
| Dersin Düzeyi | Lisans |
| Dersi Veren(ler) | Ayşegül ULUS aulus@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu dersin amacı veriden bilgi üretmek üzere kullanılabilecek matematiksel araçlar ve uygulamalara giriş yapmaktır. Veriyi tanımlamaya yarayacak temel istatistiksel kavramları vaka analizleri üzerinden incelemektir. |
| İçerik | Veri Bilimi: Teknolojiler, matematiksel araçlar ve teknolojiler. Veriyi tanımlamaya yarayacak temel istatistiksel kavramlar. Örneklem ve ölçüm. Örneklemden yola çıkılarak tüme dair hesaplar. Çıkarımsal istatistik. Gözetimli öğrenme. Regresyon analizi. Gözetimsiz öğrenme. İş hayatından gerçek veri bilimi uygulamaları. |
| Dersin Öğrenme Çıktıları | Veri biliminin temel kavram ve yöntemlerini anlamak ve uygulamalarını görüp çözüm üretme becerisi kazanmak. Veri biliminin temel yöntem ve uygulamalarını anlama becerisi kazanmak. |
| Öğretim Yöntemleri | Ders, vaka analizli veri uygulamaları ve alıştırmaları |
| Kaynaklar |
Foundations of Data Science: Avrim Blum, John Hopcroft, and Ravindran Kannan An Introduction to Statical Learning with Applications: Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Veri Bilimine Giriş |
| 2 | İstatistiki Metodolojiye Giriş |
| 3 | Örneklem ve Ölçüm. Veriyi tablo ve grafiklerle tanımlama |
| 4 | Yapay Zeka ve Makine Öğrenmesi Uygulamaları, Vaka analizi I-Bahis Siteleri |
| 5 | Verinin merkezi, değişkenliği, pozisyon ölçümü |
| 6 | İstatistiki Çıkarım : Tahmin ve Korelasyon Analizi |
| 7 | Ara sınav |
| 8 | Veri Bilimi Bilgisayar Teknolojileri Tanıtımı, Vaka analizi II-Tıp ve Biyoloji |
| 9 | Vaka analizi III-Bankacılıkta Yapay Zeka Çözümleri |
| 10 | Regresyon Yöntemleri |
| 11 | Vaka analizi IV-Bankacılıkta Veri tabanı Oluşum Süreci |
| 12 | Vaka analizi V: Bankacılık sektörü bazlı veri modellerinin değerlendirilmesi |
| 13 | Vaka analizi VI: Sigortacılık alanında veri analizi: bir motor insurance / house insurance tarifesinin nasıl hazırlandığı ve SAS uygulamaları |
| 14 | Vaka analizi VII: 50 soruda Yapay Zeka |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 2 | 60 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 40 |
| Toplam | 3 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Sunum | 1 | 20 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 40 |
| Toplam | 2 | 60 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 2 | 28 | 56 |
| Sınıf Dışı Çalışma Süresi | 1 | 5 | 5 |
| Sunum | 1 | 2 | 2 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 4 | 4 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 7 | 7 |
| Seminer | 7 | 2 | 14 |
| Toplam İş Yükü | 88 | ||
| Toplam İş Yükü / 25 | 3,52 | ||
| Dersin AKTS Kredisi | 4 | ||