DERS TANITIM BİLGİLERİ

se.cs.ieu.edu.tr

Dersin Adı

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
	Güz/Bahar

Ön-Koşul(lar)	Yok
Dersin Dili
Dersin Türü	Seçmeli
Dersin Düzeyi	-
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Deney / Laboratuvar / Atölye uygulama
Dersin Koordinatörü	-
Öğretim Eleman(lar)ı	Yrd. Doç. Dr. Engin YILDIZTEPE
Yardımcı(ları)	Araş. Gör. Ömür Kıvanç KÜRKÇÜ Araş. Gör. Gökçe ÖZALTUN

Dersin Amacı
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Verileri tanımlayabilmek ve özetleyebilmek için sayısal yöntemleri kullanabilirler Değişkenler arasındaki ilişkileri analiz edebilirler Değişkenler arasındaki ilişkileri ve regresyon modellerini analiz edebilirler Birkaç kitle ortalamasını karşılaştırabilirler Bir kitleye ilişkin hipotez testleri oluşturabilir ve test edebilirler Bazı temel veri analizi algoritmalarını kullanabilirler
Ders Tanımı

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta	Konular	Ön Hazırlık
1	Veri Çözümlemeye Giriş - Veri Bilimi - Veri Bilimcisi - Veri Bilimcinin araç kutusu - SPSS - R ortamına giriş (Installation, Editors)	Introduction (R for Data Science) Basics (Introductory Statistics with R)
2	R’da veri yapıları Hazır fonksiyonlar R paketleri	Basics, The R environment (Introductory Statistics with R)
3	Rassal veri, yoğunluk ve dağılım fonksiyonları Veri alış/verişi Veri manipülasyonu	Probability and distributions (Introductory Statistics with R)
4	Kontrol yapıları Koşullu ifadeler	The R environment (Introductory Statistics with R)
5	Veri tanımlamada sayısal yöntemler Değişkenler arasındaki ilişki	Descriptive statistics and graphics (Introductory Statistics with R)
6	Veri görselleştirme Veri tanımlamada görsel yöntemler R’da temel grafik sistemi ve temel grafikler	Descriptive statistics and graphics (Introductory Statistics with R)
7	R’da ileri düzey grafikler, ggplot2	Data visualization (R for Data Science)
8	Hipotez testi Tek örneklem testleri	One- and two-sample tests (Introductory Statistics with R)
9	Hipotez testi İki örneklem testleri Varyans analizi	One- and two-sample tests (Introductory Statistics with R)
10	Parametrik olmayan yöntemler Tek örneklem testleri Uyum iyiliği testleri	One- and two-sample tests (Introductory Statistics with R)
11	Parametrik olmayan yöntemler İki örneklem testleri k-örneklem testleri	One- and two-sample tests Analysis of variance and the Kruskal–Wallis test (Introductory Statistics with R)
12	Doğrusal regresyon modelleri	Regression and correlation (Introductory Statistics with R)
13	Veri madenciliğinin temelleri	Introduction (Data Mining: Concepts and Techniques)
14	Veri madenciliğinin temelleri	Introduction (Data Mining: Concepts and Techniques)
15	Dönemin gözden geçirilmesi
16	Dönemin gözden geçirilmesi

Ders Kitabı

Ders Notları

Introductory Statistics with R, P. Dalgaard, Springer, 2008.

Önerilen Okumalar/Materyaller

R for Data Science, H. Wickham, G. Grolemund, 2017.

Practical Data Science with R, N. Zumel and J. Mount, Manning Publications, 2014.

Data Mining: Concepts and Techniques, Han, M. Kamber, and J. Pei, Morgan Kaufmann, 2011.

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	10
Proje	1	20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	40
Toplam

Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı	8	60
Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı	1	40
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16
Sınıf Dışı Ders Çalışması	12	2
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	16
Proje	1	20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınavlar	1	20
Final Sınavı	1	30
		Toplam	158

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Gerçek hayata ilişkin sorunları tanımlayarak, yazılım proje, süreç ve ürününe ait fonksiyonel ve fonksiyonel olmayan özellikleri tanımlayabilmek
2	Yazılım mimarisi, bileşenleri, arayüzleri ve sisteme ait diğer bileşenleri tanımlayabilmek
3	Kodlama, doğrulama (verification), birim testleri (unit testing) ve hata ayıklama (dubugging) konularını da içerecek şekilde yazılım geliştirebilmek
4	Programın davranışlarını, yürütüm koşullarını, ve beklenen sonuçlara göre yazılımı sınayarak doğrulayabilmek
5	Yazılımın çalışması sırasında, çalışma ortamının değişmesi, yeni kullanıcı istekleri ve yazılım hatalarının ortaya çıkması ile meydana gelen bakım faaliyetlerine yönelik işlemleri yapabilmek
6	Yazılımın yaşam sürecinde, yazılımın diğer yazılım sistemleri ile olan entegrasyonunu sağlamak, yazılımda yapılan değişiklikleri yönetmek, yazılımın piyasa sürümlerini ve ara sürümlerini sistematik olarak planlayabilmek, izleyebilmek ve denetleyebilmek
7	Yazılım mühendisliğine yönelik gereksinimlerin anlaşılması, olurluluk çalışmalarına göre hedeflerin saptanması, süreçlerin planlanması, çıktıların belirlenmesi, kaynak planlamalarının yapılması, maliyetlerin saptanması, kaynakların tahsisi, risk yönetimi, kalite planlaması konularında bilgi sahibi olmak
8	Yazılım mühendisliği süreçlerini tanımlayabilme, uygulayabilme, değerlendirebilme, ölçme, yönetme, değiştirme ve geliştirme konularında bilgi sahibi olmak
9	Yazılım gereksinimi, tasarımı, geliştirmesi, sınaması, bakımı, yapılanışı, yönetimi ve kalitesi konularındaki çeşitli araçları ve yöntemleri bilmek, kullanabilme pratiğine sahip olmak
10	Yazılım yaşam döngüsü süreçlerinde, yazılım kalitesi, kalite modelleri ve karakteristikleri konularını bilmek, temel kalite ölçümlerini yapabilmek ve bunları yazılım geliştirme, doğrulama ve sınama konularıyla birlikte yorumlayabilmek
11	Başta bilgisayar mühendisliği, yönetim, matematik, proje yönetimi, kalite yönetimi, yazılım ergonomisi ve sistem mühendisliği olmak üzere, yazılım mühendisliği ile ortak sınırlara ve değerlere sahip diğer disiplinler hakkında bilgi sahibi olmak
12	Genelde mühendislik özelde yazılım mühendisliği kültürü ve etik anlayışını kavrayabilmek, uygulayabilecek temel bilgilere sahip olmak
13	Yabancı dil kullanarak konusuna ait yayınları takip edebilmek, meslektaşları ile iletişim kurabilmek

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest