Bilgi Paketi / Ders Kataloğu
| Ders Kodu | : UEK530 |
| Ders Türü | : Seçmeli |
| Ders Grubu | : Yüksek Lisans |
| Eğitim Dili | : Türkçe |
| Staj Durumu | : Yok |
| Teori | : 3 |
| Uyg. | : 0 |
| Kredi | : 3 |
| Laboratuvar | : 0 |
| AKTS | : 5 |
Bu dersin amacı, veri bilimi, istatistiksel öğrenme ve yapay zekâ yöntemlerini kullanarak karmaşık veri setlerinin analiz edilmesini, tahmin modellerinin geliştirilmesini ve yapay zekâ sonuçlarının yorumlanabilir hale getirilmesini öğretmektir. Ders kapsamında öğrenciler veri ön işleme, makine öğrenmesi, model değerlendirme ve açıklanabilir yapay zekâ tekniklerini uygulamalı olarak öğrenirler.
Bu ders, veri bilimi, istatistiksel öğrenme ve yapay zekâ yaklaşımlarını kullanarak karmaşık veri setlerinin analiz edilmesi, tahmin modellerinin geliştirilmesi ve yapay zekâ modellerinin açıklanabilirliğinin sağlanmasına yönelik teorik ve uygulamalı bilgi kazandırmayı amaçlamaktadır. Ders kapsamında veri ön işleme, keşifsel veri analizi, makine öğrenmesi algoritmaları, model performansının değerlendirilmesi ve Açıklanabilir Yapay Zekâ (XAI) yöntemleri ele alınmaktadır. Öğrenciler, gerçek veri setleri üzerinde uygulamalar yaparak veri odaklı karar verme, model geliştirme ve yapay zekâ sonuçlarını yorumlama becerileri kazanırlar.
| 1. | Veri analitiği sürecini etkin biçimde yönetebilir. |
| 2. | Büyük veri setlerini hazırlayabilir ve analiz edebilir. |
| 3. | Makine öğrenmesi algoritmalarını uygulayabilir. |
| 4. | Tahmin modellerinin performansını değerlendirebilir. |
| 5. | Açıklanabilir yapay zekâ yöntemlerini kullanabilir. |
| 1. | James, Witten, Hastie & Tibshirani (2023), An Introduction to Statistical Learning |
| 2. | Hastie, Tibshirani & Friedman (2021), The Elements of Statistical Learning |
| 3. | Géron (2022), Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow |
| 4. | Doğanlı, B., & Çelik, S. (2024). Pazarlama stratejileri için veri bilimi ve Python. |
| 5. | KACIR, Ümit, Sadullah ÇELİK, and Yasemin TEKİNKAYA KACIR. "Kurumsal Yönetimde Dijital Dönüşüm: Python ile Veri Bilimi Uygulamaları." |
| Değerlendirme Türü | Adet | Yüzde |
|---|---|---|
| Ara Sınav (Vize) | 1 | %40 |
| Dönem Sonu Sınavı (Final) | 1 | %60 |
| Etkinlik | Sayısı | Ön Hazırlık | Süre | Toplam Iş Yükü (Saat) |
|---|---|---|---|---|
| Kuramsal Ders | 14 | 4 | 3 | 98 |
| Uygulamalı Ders | 3 | 3 | 0 | 9 |
| Ödev | 1 | 3 | 0 | 3 |
| Ara Sınav | 1 | 6 | 0 | 6 |
| Dönem Sonu Sınavı | 1 | 9 | 0 | 9 |
| TOPLAM İŞ YÜKÜ (Saat) | 125 | |||
PÇ-1 | PÇ-2 | PÇ-3 | PÇ-4 | PÇ-5 | |
OÇ-1 | 5 | 5 | 5 | 5 | 5 |
OÇ-2 | 4 | 4 | 4 | 5 | 5 |
OÇ-3 | 5 | 5 | 5 | 5 | 5 |
OÇ-4 | 5 | 5 | 5 | 5 | 5 |
OÇ-5 | 5 | 5 | 5 | 5 | 5 |