BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) (İNGİLİZCE) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | 3000004007 | ||||||||
| Ders İsmi: | Calculus for Data Science | ||||||||
| Ders Yarıyılı: |
Bahar |
||||||||
| Ders Kredileri: |
|
||||||||
| Öğretim Dili: | EN | ||||||||
| Ders Koşulu: | |||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
| Dersin Türü: | Department Elective | ||||||||
| Dersin Seviyesi: |
|
||||||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||||||
| Dersin Koordinatörü: | Doç. Dr. Esengül SALTÜRK | ||||||||
| Dersi Veren(ler): |
Prof. Dr. Naim Mahmood Musleh AJLOUNI |
||||||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Dersin amacı, veri biliminin matematiksel kavramlarını tanıtmaktır. |
| Dersin İçeriği: | Lineer (doğrusal)cebir. Olasılık teori. Yakınsama ve örnekleme. Uzaklık ve yakın komşu algoritması. Lineer regresyon. Dereceli azalma (Gradient descent). Temel bileşenler analizi. |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
|||||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Lineer (doğrusal) cebir: lineer denklem sistemleri, matrisler, vektör uzayları, linner bağımsızlık, rank | |
| 2) | Lineer cebir: matris cebiri, determinant ve iz, özdeğer ve özvektörler, matris yaklaşımı | |
| 3) | Analitik geometri; iç çarpımlar, ortonormal bazlar, izdüşüm | |
| 4) | Kalkülüs: Fonksiyonlarda limit ve türev, çok değişkenli fonksiyonlar | |
| 5) | Kalkülüs: İntegral | |
| 6) | Olasılık teori: Kümeler, sayma problemi, olasılık aksiyomları, koşullu olasılık ve Bayes teoremi | |
| 7) | Yaklaşım serileri, dereceli azalma algortiması | |
| 8) | Ara sınav | |
| 9) | Olasılık teori: Rasgele dağılımlar ve Gauss dağılımı | |
| 10) | Modeller ve veri kavramı, ampirik risk minimizasyonu, olasılıksal modelleme | |
| 11) | Lineer regresyon, problemin modellenmesi, parametre tahmini, Bayes' regresyonu | |
| 12) | Problem belirleme, maksimum varyans perspektifi, temel bileşenler analizi (PCA) | |
| 13) | Temel bileşenler analizinde ana aşamalar | |
| 14) | Gauss karışım modeli ile yoğunluk tahmini | |
| 15) | Destek vektör makineleri, çekirdek fonksiyonlar |
Kaynaklar
| Ders Notları / Kitaplar: | (Textbook) Mathematical Foundations for Data Analysis, Jeff M. Phillips, Springer, 2019. |
| Diğer Kaynaklar: | (Textbook) Mathematical Foundations for Data Analysis, Jeff M. Phillips, Springer, 2019. |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | 1 |
2 |
|||||||
|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||
| 1) Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |||||||||
| 2) Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |||||||||
| 3) Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |||||||||
| 4) Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |||||||||
| 5) Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |||||||||
| 6) Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |||||||||
| 7) Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |||||||||
| 8) Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |||||||||
| 9) Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |||||||||
| 10) Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | |||||||||
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |
| 2) | Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |
| 3) | Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |
| 4) | Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |
| 5) | Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |
| 6) | Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |
| 7) | Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |
| 8) | Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |
| 9) | Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |
| 10) | Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Alan Çalışması | |
| Bireysel çalışma ve ödevi | |
| Ders | |
| Grup çalışması ve ödevi | |
| Ödev | |
| Problem Çözme | |
| Proje Hazırlama | |
| Uygulama (Modelleme, Tasarım, Maket, Simülasyon, Deney vs.) | |
| Örnek olay çalışması |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Ödev | |
| Uygulama | |
| Bireysel Proje | |
| Grup Projesi |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 20 |
| Projeler | 1 | % 30 |
| Ara Sınavlar | 1 | % 20 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 30 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 70 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 30 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Ödevler | 1 | 27 | 27 |
| Küçük Sınavlar | 15 | 7 | 105 |
| Ara Sınavlar | 1 | 3 | 3 |
| Final | 1 | 2 | 2 |
| Toplam İş Yükü | 179 | ||