Responsive image
DERS PROGRAMI FORMU
COURSE SYLLABUS FORM
Son Güncelleme (Last Update)
25.02.2022
Dersin Adı: Veri Bilimine Giriş Course Name: Introduction to Data Science
Kod
(Code) 		Yarıyıl
(Semester)		 Kredi
(Local Credits)		 AKTS Kredi
(ECTS Credits)		 Ders Uygulaması, Saat/Hafta
(Course Implementation, Hours/Week)
Ders
(Theoretical) 		Uygulama
(Tutorial)		 Laboratuvar
(Laboratory)
MAT 381/E 6,7,8 3 6 3 0 0
Bölüm / Program
(Department / Program)		 Matematik / Matematik Mühendisliği
(Mathematics / Mathematical Engineering)
Dersin Türü
(Course Type)		 Seçmeli
(Elective) 		Dersin Dili
(Course Language) 		İngilizce
(English)
Dersin Ön Koşulları
(Course Prerequisites)		 MAT116 / MAT116 - E min DD
Dersin Mesleki Bileşene Katkısı, %
(Course Category by Content, %)		 Temel Bilim ve Matematik
(Basic Sciences and Math)		 Temel Mühendislik
(Engineering Science)		 Mühendislik / Mimarlık Tasarım
(Engineering / Architecture Design)		 Genel Eğitim
(General Education)
100 - - -
Dersin Tanımı
(Course Description)		 Veri Biliminin Temelleri. Veri Bilimi Hesapsal Araçları. Veri Görselleştirme. İnternetten Veri Kazıma. Sosyal Ağ Verisi. Veri Olarak Metin. Metin Madenciliği. Ağ Analizi ve Görselleştirilmesi. Coğrafi Bilgi Sistemi. Mekan ve Kent Verisinin Görselleştirilmesi. Etkileşimli Veri Görselleştirme. İlişkili Veri Tabanları.
Foundations of Data Science. Data Science Computational Tools. Data Visualization. Data Scraping from Web. Social Network Data. Text as data, Text mining, Network Analysis and Visualization. Geographic Information System. Visualization of Spatial and Urban Data. Interactive Data Visualization. Relational Databases.
Dersin Amacı
(Course Objectives)
  1. Veri bilimi temel hesapsal araçlarını (bir programlama dilini, dinamik raporlama uygulamasını ve versiyon kontrol sistemini) kullanabilmek için gerekli temel bilgileri sağlamak.
  2. Dijital teknolojiler aracılığıyla ortaya çıkan farklı yapıdaki veri türlerini tanıtmak.
  3. Veri görselleştirme yöntem ve araçlarını tanıtmak.
  4. Bir programla diline ait veri bilimi ile ilişkili kütüphanelerini kullanabilmek için gerekli temel bilgileri sağlamak.
  5. Farklı disiplinlerden gelen verileri yorumlama ve veriye dayalı çıkarımlar yapabilme becerisi kazandırmak.
  1. To provide the basic knowledge required for using data science computational tools (e.g., a programming language, a dynamic report application, a version control system).
  2. To introduce different types of data arising from the digital technologies.
  3. To introduce data visualization techniques and tools.
  4. To provide the basic knowledge required to use data science packages associated with a programming language.
  5. To give an ability for interpreting data arising from different disciplines and making data-driven inferences.
Dersin Öğrenme Çıktıları
(Course Learning Outcomes)		 Bu dersi tamamlayan öğrenciler aşağıdaki becerileri elde eder:
  1. Veri bilimi ile ilgili güncel teknolojileri bilir,
  2. Tekrarlanabilir araştırma yapabilir,
  3. Çeşitli kaynaklardan verilere erişebilir,
  4. Veriyi nasıl keşfedeceğini ve görselleştireceğini bilir,
  5. Farklı türde veri bilimi paketlerini kullanabilir,
  6. Sayısal olmayan verilerle nasıl başa çıkılacağını bilir,
  7. Veriye dayalı çıkarımlar yapabilir.
Students completing this course will be able to:
  1. Know the recent technologies associated with data science,
  2. Perform reproducible research,
  3. Know how to access data from various sources,
  4. Know how to explore and visualize data,
  5. Use different types of data science packages,
  6. Know how to handle non-numerical data,
  7. Know how to make data-driven inferences.
Ders Planı
Hafta Konular Dersin Öğrenme Çıktıları
1Veri Bilimine ve Hesapsal Araçlara GirişI, II
2Veri İthal Etme, Temizleme, Şekillendirme AraçlarıII, III
3Veri Görselleştirmenin TemelleriIV
4Veri Görselleştirme AraçlarıII, IV, V, VII
5Karakter ve Tarih Verileri İle UğraşmaV, VI
6İnternetten Veri KazımaIII, V, VI
7Sosyal Ağ Sitelerinden Veri ÇıkarmaIII, V, VI, VII
8Metin Madenciliğinin TemelleriV, VI, VII
9Ağ Analizi ve GörselleştirmesiIV, V, VI, VII
10Coğrafi Bilgi Sisteminin TemelleriIII, V, VI
11Mekan ve Kent Verilerinin GörselleştirilmesiIV, V, VI, VII
12Etkileşimli Veri Görselleştirmenin TemelleriIV
13Etkileşimli Web-Tabanlı Veri Görselleştirme AraçlarıII, IV, V, VII
14İlişkili Veri TabanlarıI, III, V
Course Plan
Week Topics Course Learning Outcomes
1Introduction to Data Science and Computational ToolsI, II
2Tools for Data Importing, Manipulating, and TidyingII, III
3Basic Principles of Data VisualizationIV
4Data Visualization ToolsII, IV, V, VII
5Handling with Strings and Dates in DataV, VI
6Scraping Data from WebIII, V, VI
7Data Extraction from Social Networking SitesIII, V, VI, VII
8Basic Principles of Text MiningV, VI, VII
9Network Analysis and VisualizationIV, V, VI, VII
10Basic Principles of Geographic Information SystemIII, V, VI
11Visualization of Spatial and Urban DataIV, V, VI, VII
12Basic Principles of Interactive Data VisualizationIV
13Interactive Web-Based Data Visualization ToolsII, IV, V, VII
14Relational DatabasesI, III, V



Dersin Mühendislik Öğrenci Çıktılarıyla İlişkisi

Programın Mezuna Kazandıracağı Bilgi ve Beceriler (Programa Ait Çıktılar) Katkı Seviyesi
1 2 3
1 Mühendislik, fen ve matematik ilkelerini uygulayarak karmaşık mühendislik problemlerini belirleme, formüle etme ve çözme becerisi.
2 Küresel, kültürel, sosyal, çevresel ve ekonomik etmenlerle birlikte özel gereksinimleri sağlık, güvenlik ve refahı göz önüne alarak çözüm üreten mühendislik tasarımı uygulama becerisi. X
3 Farklı dinleyici gruplarıyla etkili iletişim kurabilme becerisi. X
4 Mühendislik görevlerinde etik ve profesyonel sorumlulukların farkına varma ve mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamdaki etkilerini göz önünde bulundurarak bilinçli kararlar verme becerisi. X
5 Üyeleri birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam yaratan, hedefler belirleyen, görevleri planlayan ve hedefleri karşılayan bir ekipte etkili bir şekilde çalışma yeteneği becerisi. X
6 Özgün deney geliştirme, yürütme, verileri analiz etme ve yorumlama ve sonuç çıkarmak için mühendislik yargısını kullanma becerisi. X
7 Uygun öğrenme stratejileri kullanarak ihtiyaç duyulduğunda yeni bilgi edinme ve uygulama becerisi. X
Ölçek: 1: Az, 2: Kısmi, 3: Tam

Relationship of the Course to Engineering Student Outcomes

Program Student Outcomes Level of Contribution
1 2 3
1 An ability to identify, formulate, and solve complex engineering problems by applying principles of engineering, science, and mathematics.
2 An ability to apply engineering design to produce solutions that meet specified needs with consideration of public health, safety, and welfare, as well as global, cultural, social, environmental, and economic factors. X
3 An ability to communicate effectively with a range of audiences. X
4 An ability to recognize ethical and professional responsibilities in engineering situations and make informed judgments, which must consider the impact of engineering solutions in global, economic, environmental, and societal contexts. X
5 An ability to function effectively on a team whose members together provide leadership, create a collaborative and inclusive environment, establish goals, plan tasks, and meet objectives. X
6 An ability to develop and conduct appropriate experimentation, analyze and interpret data, and use engineering judgment to draw conclusions. X
7 An ability to acquire and apply new knowledge as needed, using appropriate learning strategies. X
Scale: 1: Little, 2: Partial, 3: Full

Tarih (Date)
15.06.2020
Bölüm Onayı (Departmental Approval)
Matematik Bölümü
(Department of Mathematics)




Ders Kaynakları ve Başarı Değerlendirme Sistemi (Course Materials and Assessment Criteria)

Ders Kitabı
(Textbook) 		Wickham, H. and Grolemund, G. (2016). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O'Reilly Media, Inc. [Freely available through the book’s website https://r4ds.had.co.nz/]
Diğer Kaynaklar
(Other References) 		Bivand, R.S., Pebesma, E.J., Gomez-Rubio, V., and Pebesma, E. J. (2013). Applied Spatial Data Analysis with R. New York: Springer. 2nd Ed. [Electronic resource at ITU Library Services]
Carson, S. (2020). Interactive Web-Based Data Visualization with R, Plotly, and Shiny. CRC Press. [Freely available through the book’s website https://plotly-r.com/]
Douglas, A.L. (2015). A User’s Guide to Network Analysis in R. Cham: Springer International Publishing. 1st Ed. [Electronic resource at ITU Library Services]
Silge, J., and Robinson, D. (2017). Text Mining with R: A Tidy Approach. O'Reilly Media, Inc. [Freely available through the book’s website https://www.tidytextmining.com/]
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer, 2nd Ed. [Electronic resource at ITU Library Services]
Ödevler ve Projeler
(Homework & Projects)		 R/RStudio Programı
R/RStudio Software
Laboratuvar Uygulamaları
(Laboratory Work)		 -
-
Bilgisayar Kullanımı
(Computer Usage)		 -
-
Diğer Uygulamalar
(Other Activities)		 -
-
Başarı Değerlendirme Sistemi
(Assessment Criteria) 		Faaliyetler
(Activities)		 Adet
(Quantity)		 Genel Nota Katkı, %
(Effects on Grading, %)
Yıl İçi Sınavları
(Midterm Exams)		 - -
Kısa Sınavlar
(Quizzes)		 - -
Ödevler
(Homework)		 2 20
Projeler
(Projects)		 1 30
Dönem Ödevi/Projesi
(Term Paper/Project)		 - -
Laboratuvar Uygulaması
(Laboratory Work)		 - -
Diğer Uygulamalar
(Other Activities)		 2 10
Final Sınavı
(Final Exam)		 1 40
VF almamak için gereken
(To avoid VF) 		-