VERİ BİLİMİNE GİRİŞ DERS TANITIM VE UYGULAMA BİLGİLERİ

Kodu	Dersin Adı	Yarıyıl	Süresi(T+U)	Kredisi	AKTS Kredisi
VBA105	VERİ BİLİMİNE GİRİŞ	1	3	3	7

DERS BİLGİLERİ
Dersin Öğretim Dili :	Türkçe
Dersin Düzeyi	LİSANS, TYY: + 6.Düzey, EQF-LLL: 6.Düzey, QF-EHEA: 1.Düzey
Dersin Türü	Zorunlu
Dersin Veriliş Şekli	-
Dersin Koordinatörü	Dr.Öğr.Üyesi ONUR TÜRKER
Dersi Veren Öğretim Üyesi/Öğretim Görevlisi	Dr.Öğr.Üyesi BANU KAYINOVA
Ders Ön Koşulu	Yok

AMAÇ VE İÇERİK
Amaç:	Öğrencilere veri biliminin temel kavramlarını tanıtmak, veri odaklı düşünme becerisi kazandırmak ve veri toplama, işleme, analiz etme ve yorumlama süreçlerine giriş sağlamaktır.
İçerik:	Veri bilimi kavramı, veri türleri, veri toplama yöntemleri, temel istatistik kavramları, veri temizleme ve ön işleme, veri görselleştirme teknikleri, algoritmik düşünme ve veri analizi mantığı, veri biliminin uygulama alanları, etik ve gizlilik konuları, büyük veri ve gelecekteki veri bilimi trendleri.

DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.)
Veri bilimi ve veri analitiği kavramlarını açıklar.
Veri kaynaklarını ve veri türlerini tanımlar.
Basit istatistiksel özetler üretir.
Veri temizleme ve düzenleme yöntemlerini kavrar.
Veri görselleştirme tekniklerini yorumlar.
Algoritmik düşünme kavramını açıklar ve veri analizi sürecindeki rolünü tartışır.
Veri biliminin farklı disiplinlerdeki kullanım alanlarını örneklerle açıklar.
Veri etiği ve gizlilik ilkelerini tartışır.

HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI
Hafta	Ön Hazırlık	Konular	Yöntem
1	-	Tanışma, ders içeriğinin tanıtımı, veri bilimine giriş: kavramlar, tarihçe ve önemi.	Anlatım
2	Kitap-Ders Notu Okuma	Veri türleri ve veri kaynakları.	Anlatım
3	Kitap-Ders Notu Okuma	Veri toplama yöntemleri ve temel veri yapıları.	Anlatım
4	Kitap-Ders Notu Okuma	Veri temizleme ve ön işleme (eksik/veri hataları).	Anlatım
5	Kitap-Ders Notu Okuma	Temel istatistik kavramları (ortalama, medyan, varyans).	Anlatım
6	Kitap-Ders Notu Okuma	Veri görselleştirmeye giriş (tablolar, grafikler).	Anlatım
7	Kitap-Ders Notu Okuma	Algoritmik düşünme ve veri analizi mantığı (dil bağımsız).	Anlatım
8	Kitap-Ders Notu Okuma	Veri setleri üzerinde basit analiz örnekleri.	Anlatım
9	Kitap-Ders Notu Okuma	Veri madenciliğine giriş ve örnek uygulamalar.	Anlatım
10	-	ARA SINAV	-
11	Kitap-Ders Notu Okuma	Makine öğrenmesine giriş (temel kavramlar).	Anlatım
12	Kitap-Ders Notu Okuma	Veri bilimi uygulama alanları (sağlık, finans, eğitim vb.).	Anlatım
13	Kitap-Ders Notu Okuma	Büyük veri ve bulut tabanlı veri işleme.	Anlatım
14	Kitap-Ders Notu Okuma	Veri bilimi etik ilkeleri ve gelecekteki trendler.	Anlatım-tartışma
15	Kitap-Ders Notu Okuma	Genel tekrar	Anlatım
16	-	FİNAL	-
17	-	FİNAL	-

KAYNAKLAR
Çelik, A. (2021). Veri Bilimine Giriş. Ankara: Nobel Akademik Yayıncılık.
Kılınç, D. & Başeğmez, N. (2019). Uygulamalarla Veri Bilimi: Yapay Zeka ve Makine Öğrenmesi. İstanbul: Abaküs Kitap. ISBN: 9786052263365
Öğretim elemanı tarafından sağlanacak güncel ders notları.

ÖLÇME VE DEĞERLENDİRME
Yarıyıl İçi Yapılan Çalışmaların Ölçme ve Değerlendirmesi	Etkinlik Sayısı	Katkı Yüzdesi	Açıklama	Sınav Yapılma Şekli
Ara Sınav (Vize)	1	50		Klasik Sınav
DÖNEM SONU- Sınavı (Final)	1	50		Klasik Sınav
TOPLAM	2	100

(0) Etkisiz	(1) En Düşük	(2) Düşük	(3) Orta	(4) İyi	(5) Çok İyi
0	1	2	3	4	5

BİLGİ
Kuramsal
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiğinin temel bileşenlerine hâkim olur; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilir.						5
2	Öğrenci, hem yapılandırılmış hem de yapılandırılmamış veri tiplerini analiz etme becerisine sahiptir; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilir.						5
3	Öğrenci, veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilir; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilir.					4

BİLGİ
Olgusal
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilir.						5
2	Öğrenci, karmaşık veri odaklı problemleri analiz edebilir, uygun çözüm yolları geliştirebilir ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilir.						5

BECERİLER
Bilişsel
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilir, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilir; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilir.						5

BECERİLER
Uygulamalı
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilir; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilir, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilir.					4

YETKİNLİKLER
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilir, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilir; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilir.						5

YETKİNLİKLER
Öğrenme Yetkinliği
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahiptir; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilir.						5

YETKİNLİKLER
İletişim ve Sosyal Yetkinlik
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilir; çok disiplinli takımlarda etkin biçimde çalışabilir, iletişim kurabilir ve iş birliğine dayalı çözümler geliştirebilir.						5

YETKİNLİKLER
Alana Özgü Yetkinlik
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkimdir; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilir, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket eder.						5

DERSİN İŞ YÜKÜ VE AKTS KREDİSİ
Öğrenme-Öğretme Etkinlikleri İş Yükü
Öğrenme-Öğretme Etkinlikleri	Etkinlik(hafta sayısı)	Süresi(saat sayısı)	Toplam İş Yükü
Ders	14	3	42
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme	14	3	42
Arazi Çalışması	0	0	0
Grup Çalışması / Ödevi	0	0	0
Laboratuvar	0	0	0
Okuma	14	3	42
Ödev	0	0	0
Proje Hazırlama	0	0	0
Seminer	0	0	0
Staj	0	0	0
Teknik Gezi	0	0	0
Web Tab. Öğrenme	0	0	0
Uygulama	0	0	0
Yerinde Uygulama	0	0	0
Mesleki Faaliyet	0	0	0
Sosyal Faaliyet	0	0	0
Tez Hazırlama	0	0	0
Alan Çalışması	0	0	0
Rapor Yazma	0	0	0
Final Sınavı	1	3	3
Final Sınavı Hazırlığı	1	25	25
Ara Sınav	1	3	3
Ara Sınav Hazırlığı	1	25	25
Kısa Sınav	0	0	0
Kısa Sınav Hazırlığı	0	0	0
TOPLAM	46	0	182