AKTS - Veri Biliminde Eniyileme

Veri Biliminde Eniyileme (IE441) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Veri Biliminde Eniyileme IE441 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Seçmeli Dersler
Dersin Seviyesi Fen Bilimleri Yüksek Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Soru Yanıt.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı Bu dersin amacı, Ar-Ge çalışmalarını azami oranda desteklemek üzere teknoloji, ürün, süreç ve sistemin yaşam döngülerini tanıtmaktır. Mevcut bilimden daha fazla bilim ve mevcut teknolojiden daha fazla teknoloji üretilmesi hedeflenmektedir. Bir ülkeyi kendine güvenen, güçlü ve teknoloji gelişmiş bir ülke yapmaya karar vererek milli savunma, milli kalkınma ve ekonomik büyüme için gerekli araçlar ve mesleki kariyer süresince karşılaşılan teknoloji yönetimi sorunları ve aşağıda belirtilen ders içeriği ile birlikte küreselleşme ele alınmaktadır.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Veri analitiği problemlerinde optimizasyonun rolünü anlama yeteneği.
  • Optimizasyon tekniklerini farklı alanlara uygulama yeteneği.
  • Veri analitiği araçlarının benzerliklerini ve farklılıklarını anlama yeteneği.
  • Veri analitiği uygulamalarına odaklanarak hesaplama ve görselleştirme için yazılım kullanma yeteneği.
  • Gerçek bir vaka çalışması için araştırma yapma ve uygulanabilir çözümler geliştirme yeteneği.
Dersin İçeriği Doğrusal cebir, olasılık, ve istatistik tekrarı ile veri biliminde doğrusal programlama, tamsayılı programlama, karma tamsayılı programlama, doğrusal olmayan programlama uygulamaları, Python diline giriş ve çeşitli Python kütüphanelerinin veri bilimi problemlerinde kullanımı.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 İlk toplantı - Müfredat tanıtımı
2 Lineer cebir ve olasılık gözden geçirme
3 Lineer cebir ve olasılık gözden geçirme
4 Lineer cebir ve olasılık gözden geçirme
5 Lineer cebir ve olasılık gözden geçirme
6 Tamsayı ve karışık tamsayı programlama uygulamaları
7 Tamsayı ve karışık tamsayı programlama uygulamaları
8 Tamsayı ve karışık tamsayı programlama uygulamaları
9 Ara Sınav
10 Doğrusal olmayan programlama uygulamaları
11 Doğrusal olmayan programlama uygulamaları
12 Doğrusal olmayan programlama uygulamaları
13 Sinir ağları
14 Sinir ağları
15 Sinir ağları
16 Dersin gözden geçirilmesi

Kaynaklar

Ders Kitabı 1. Mathematics for Machine Learning, M.P. Deisenroth, A.A. Faisal, C.S. Ong, Cambridge University Press, 2020.
Diğer Kaynaklar 2. A.C. Müller, S. Guido, Introduction to Machine Learning with Python: A Guide for Data Scientists, 1 st Edition, O'Reilly Media, 2016.

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler - -
Sunum 1 15
Projeler 1 25
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 25
Genel Sınav/Final Juri 1 35
Toplam 4 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 100
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri X
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Matematik, fen bilimleri ve mühendislik konularında derinlemesine bilgi birikimine sahip olma ve bu bilgileri İnşaat Mühendisliği problemlerinin çözümünde kullanabilme becerisi X
2 İnşaat Mühendisliği sistemlerini ekonomik, çevresel sürdürülebilirlik ve üretilebilirlik kısıtları altında tasarlama ve üretme becerisi
3 Karmaşık mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
4 Karşılaşılan mühendislik sorununun çözümüne yönelik bir yaklaşım geliştirme ve model ve deney tasarlama ve yapma becerisi
5 Tasarım ve diğer mühendislik uygulamaları için gerekli modern mühendislik araçlarını, tekniklerini ve yetenekleri kullanabilme becerisi X
6 Alanı ile ilgili temel araştırmaları bağımsız olarak yürütebilme ve araştırma sonuçlarını etkin bir biçimde raporlama ve bilimsel toplantılarda sunma becerisi
7 Alanındaki bilimsel gelişmeleri izleyebilmek ve meslekdaşları ile iletişim kurabilmek için yeterli seviyede sözlü ve yazılı İngilizce bilgisi
8 Alanında edindiği bilgileri disiplin içi ve çok disiplinli takımlar içinde etkin biçimde kullanabilme ve bu takımlarda liderlik yapabilme becerisi X
9 Alanı ile ilgili konularda yaşam boyu öğrenme sonucu gelişme ve kendini sürekli yenileme gerekliliğinin bilinci;bilim ve teknolojideki gelişmeleri izleme; girişimcilik ve yenilikçilik hakkında farkındalık
10 İnşaat mühendisliği ile ilgili problemlere ilişkin verilerin toplanması, yorumlanması, duyurulması ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlerin gözetilmesi
11 Sosyal ilişkileri ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla incelemeyebilme, geliştirebilme ve gerektiğinde değiştirmek üzere harekete geçebilme yetkinliği

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 14 2 28
Sunum/Seminer Hazırlama 1 4 4
Projeler 1 20 20
Raporlar
Ödevler
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 15 15
Toplam İş Yükü 125