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 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 ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi kazanır.
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi kazanır; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi kazanır. X
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi ve bu amaçla modern tasarım yöntemlerini uygulama becerisi kazanır.
4 Endüstri mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi kazanır; bilişim teknolojilerini etkin bir şekilde kullanma becerisi kazanır. X
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi kazanır. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi ve bireysel çalışma becerisi kazanır.
7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir 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 edinir.
8 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi kazanır.
9 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci kazanır. Endüstri mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi edinir.
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi edinir. Girişimcilik, yenilikçilik hakkında farkındalık kazanır. Sürdürülebilir kalkınma hakkında bilgi edinir.
11 Endüstri mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi edinir. Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık kazanır.
12 İnsan, malzeme, bilgi, teçhizat ve enerji içeren entegre sistemlerin tasarlanması, geliştirilmesi, uygulanması ve iyileştirilmesi konularında beceri kazanır.
13 Sistem entegrasyonunu sağlamaya yönelik uygun analitik ve deneysel yöntemler ile hesaplama yöntemleri konusunda bilgi edinir.

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