Python ile Veri Bilimi
NumPy, pandas, görselleştirme kütüphaneleri ve scikit-learn ile veriyi okuma, temizleme, keşfetme ve modelleme sürecinin tamamını uygulamalı olarak işler.
- Dönem
- Güz dönemi
- Düzey
- Lisans
- Kredi
- 2+0
- Süre
- 16 hafta
Dersin amacı
Öğrencilerin gerçek bir veri setini baştan sona analiz edebilmesi; bulguları doğru grafiklerle sunabilmesi ve temel makine öğrenmesi modellerini kurup değerlendirebilmesi.
Öğrenme çıktıları
Bu dersi başarıyla tamamlayan öğrenci:
- pandas ile veriyi okur, temizler, birleştirir ve özetler.
- Keşifsel veri analizi yapar ve bulguları uygun grafiklerle gösterir.
- Regresyon ve sınıflandırma modelleri kurar ve performanslarını karşılaştırır.
- Analizini tekrarlanabilir bir not defteri ve kısa bir raporla sunar.
Değerlendirme
| Değerlendirme ölçütü | Katkı |
|---|---|
| Ara sınav (8. hafta) | %40 |
| Yarıyıl sonu sınavı (16. hafta) | %60 |
Kaynaklar
- Wes McKinney, Python for Data Analysis, O'Reilly
- Jake VanderPlas, Python Data Science Handbook, O'Reilly
- scikit-learn kullanıcı kılavuzu / user guide: scikit-learn.org
Haftalık izlence
-
1
1. hafta Veri bilimine giriş ve veri bilimi süreci
-
2
2. hafta Jupyter not defterleri ve Python temellerinin tekrarı
-
3
3. hafta NumPy ile dizi işlemleri
-
4
4. hafta pandas: Series ve DataFrame yapıları
-
5
5. hafta Veri okuma, yazma ve veri kaynakları
-
6
6. hafta Veri temizleme: eksik ve hatalı değerler
-
7
7. hafta Veri dönüştürme, birleştirme ve gruplama
-
8
8. hafta Sınav Ara sınav
-
9
9. hafta Matplotlib ve seaborn ile görselleştirme
-
10
10. hafta Keşifsel veri analizi
-
11
11. hafta Betimsel istatistik ve hipotez testleri
-
12
12. hafta scikit-learn ile regresyon
-
13
13. hafta Sınıflandırma ve model değerlendirme
-
14
14. hafta Kümeleme ve boyut indirgeme
-
15
15. hafta Proje sunumları
-
16
16. hafta Sınav Yarıyıl sonu sınavı