NESNE YÖNELİMLİ PROGRAMLAMA DERS TANITIM VE UYGULAMA BİLGİLERİ

Kodu	Dersin Adı	Yarıyıl	Süresi(T+U)	Kredisi	AKTS Kredisi
VBA104	NESNE YÖNELİMLİ PROGRAMLAMA	2	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 ONUR TÜRKER
Ders Ön Koşulu	Yok

AMAÇ VE İÇERİK
Amaç:	Bu dersin amacı, öğrencilere nesne yönelimli programlamanın temel kavramlarını, sınıf ve nesne yapısını, kapsülleme, kalıtım, çok biçimlilik ve arayüzler gibi temel prensipleri uygulamalı olarak öğretmektir. Öğrencilerin modern yazılım geliştirme süreçlerinde kullanılan OOP mantığını özümsemeleri ve gerçek dünya problemlerine nesne temelli çözümler üretebilmeleri hedeflenmektedir.
İçerik:	Bu ders, modern yazılım geliştirme süreçlerinde kullanılan nesne yönelimli programlama yaklaşımının temel kavram ve ilkelerini kapsamaktadır. Ders sürecinde sınıf, nesne, özellik ve metot gibi yapıların kullanımı; kapsülleme, kalıtım ve çok biçimlilik ilkeleri; soyut sınıflar ve arayüzler; istisna yönetimi; dosya işlemleri; koleksiyon yapıları; UML sınıf diyagramlarının oluşturulması ve yorumlanması ele alınmakta, öğrencilerin Java/Python/C# gibi bir programlama diliyle nesne tabanlı uygulamalar geliştirmesi hedeflenmektedir. Ayrıca dönem boyunca gerçek dünya problemlerine yönelik küçük ve orta ölçekli projeler geliştirilerek OOP prensiplerinin uygulamalı olarak pekiştirilmesi amaçlanmaktadır.

DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.)
OOP kavramlarını (sınıf, nesne, metot, özellik) açıklar.
Kapsülleme, kalıtım, çok biçimlilik gibi temel ilkeleri uygular.
Problem çözme sürecinde nesne yönelimli tasarım yaklaşımını kullanır.
Küçük ve orta ölçekli bir OOP projesi geliştirir ve dokümante eder.

HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI
Hafta	Ön Hazırlık	Konular	Yöntem
1	Kitap-Ders Notu Okuma	Nesne Yönelimli Programlamaya Giriş	Anlatım
2	Kitap-Ders Notu Okuma	Sınıflar ve Nesneler: Temel Kavramlar	Anlatım
3	Kitap-Ders Notu Okuma	Kapsülleme (Encapsulation) ve Erişim Belirleyicileri	Anlatım
4	Kitap-Ders Notu Okuma	Yapıcılar (Constructors) ve Metot Kavramı	Anlatım
5	Kitap-Ders Notu Okuma	Kalıtım (Inheritance) Temelleri	Anlatım
6	Kitap-Ders Notu Okuma	Çok Biçimlilik (Polymorphism)	Anlatım
7	Kitap-Ders Notu Okuma	Soyutlama (Abstraction): Soyut Sınıflar ve Arayüzler	Anlatım
8	Kitap-Ders Notu Okuma	UML ve Nesne Tabanlı Tasarım İlkeleri	Anlatım
9	Kitap-Ders Notu Okuma	İstisna Yönetimi (Exception Handling)	Anlatım
10	-	ARA SINAV	-
11	Kitap-Ders Notu Okuma	Nesne Koleksiyonları ve Generic Yapılar	Anlatım
12	Kitap-Ders Notu Okuma	OOP Tasarım Prensipleri ve SOLID İlkeleri	Anlatım
13	Kitap-Ders Notu Okuma	Katmanlı Mimari ve OOP’nin Sistem Tasarımındaki Yeri	Anlatım
14	Kitap-Ders Notu Okuma	Katmanlı Mimari ve OOP’nin Sistem Tasarımındaki Yeri	Anlatım
15	Kitap-Ders Notu Okuma	Genel Değerlendirme	Anlatım
16	-	FİNAL	-
17	-	FİNAL	-

KAYNAKLAR
Robert Lafore – Object-Oriented Programming in C++
Alan Dennis – Systems Analysis & Design with UML

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.				3
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.					4
3	Öğrenci, veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilir; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilir.		1

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.					4
2	Öğrenci, karmaşık veri odaklı problemleri analiz edebilir, uygun çözüm yolları geliştirebilir ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilir.					4

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.				3

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.	0

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.				3

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.				3

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.					4

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	12	3	36
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	44	0	176