DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	4
ÖĞRETİM ELEMAN(LAR)I	-
DERSİN ÖĞRENME KAZANIMLARI	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