Bu dersin sonunda öğrenciler; 1) Veri bilimi temellerini öğrenir. 2) R ve Python programlama dillerinin veri analizinde kullanımını öğrenir. 3) Temel istatistik yöntemlerini ve büyük ya da küçük veri analizi için gerekli makine öğrenme tekniklerini öğrenir. 4) Temel veri analizi tekniklerini (veri toplama, temizleme, modelleme ve sunma) öğrenir. 5) Veri hakkındaki hipotezleri değerlendirme yöntemlerini öğrenir. 6) Biyolojik bilimlerde derin öğrenme tekniklerinin kullanımını öğrenir ve uygular.
DERSİN VERİLİŞ BİÇİMİ
Yüz Yüze
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
Yok
DERS TANIMI
Bu ders içeriğinde, veri kümelerinin önemli özelliklerinin, temel istatistiksel modellemenin, web programlamasının ve veri görselleştirilmesinin temel tekniklerinin aktarımı hedeflenmektedir. Dönem boyunca Python ve R programlama dilleri teorik ve uygulamalı örneklerle anlatılmakta ve ödevlerde kullanılmaktadır. Veri analizinde makine öğrenme ve derin öğrenme tekniklerinin öğretilmesi amaçlanmaktadır.
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
Veri Bilimine Giriş
2. Hafta
Veri Manipülasyonu
3. Hafta
Veri Toplanması
4. Hafta
R Programlama ile İstatistik
5. Hafta
R Programlama ile İstatistik
6. Hafta
R Programlama ile İstatistik
7. Hafta
Veri Görselleştirme
8. Hafta
Ara Sınav
9. Hafta
Öznitelik Çıkarımı ve Seçimi
10. Hafta
Makine Öğrenmesi
11. Hafta
Makine Öğrenmesi
12. Hafta
Makine Öğrenmesi
13. Hafta
Derin Öğrenme
14. Hafta
Derin Öğrenme
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
Biostatistics with R: An Introduction to Statistics Through Biological Data, 2012th Edition, Babak Shahbaba, Springer, 2011 Python Programming for Biology, First Edition, Tim j. Stevens, Wayne Boucher, 2014. An Introduction to Statistics with Python: With Applications in the Life Sciences, First Edition, Thomas Haslwanter, Springer, 2016. Artificial Intelligence in Bioinformatics: From Omics Analysis to Deep Learning and Network Mining, First Edition, Mario Cannataro, Pietro Hiram Guzzi, Giuseppe Agapito, Chiara Zucco, Marianna Milano, Elsevier, 2021.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ
Anlatım,Tartışma,Soru-Cevap,Eğitim-Uygulama
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
Sayısı
Toplam Katkısı(%)
Ara Sınav
1
25
Ödev
2
20
Uygulama/Pratik
1
25
Toplam(%)
70
Yıl İçinin Başarıya Oranı(%)
70
Finalin Başarıya Oranı(%)
30
Toplam(%)
100
AKTS İŞ YÜKÜ
Aktivite
Sayı
Süresi(Saat)
İş Yükü
Ara Sınav
1
2
2
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi
Final Sınavına Hazırlık
1
30
30
Ders Saati
13
2
26
Ara Sınava Hazırlık
1
20
20
Laboratuvar
Final Sınavı
1
2
2
Ödevler
2
10
20
Uygulama
13
2
26
Toplam İş Yükü
126
Toplam İş Yükü / 30
4,2
Dersin AKTS Kredisi
4
DİL
Türkçe
STAJ / UYGULAMA
Yok
PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ