VERİ BİLİMİ İÇİN ALGORİTMALAR

Ders Açıklaması

Bu ders, çeşitli yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış veri türlerini işlemek için gereken algoritmik teknikleri ve yaklaşımları kapsar. Dersin amacı, çeşitli formatlarda büyük veri kümelerini işlemek ve analiz etmek için temel olarak kullanılan algoritmik yöntemleri öğretmektir. Ders, özellikle büyük veri kümelerinin nasıl önceden işleneceğini, büyük veri kümelerinin etkin bir şekilde nasıl depolanacağını, büyük veri kümeleri için hızlı algoritmaların nasıl tasarlanacağını ve tasarlanan algoritmaların performansının nasıl değerlendirileceğini kapsar. Sıralama, arama ve eşleştirme ile grafik ve akış algoritmaları tanıtılır. Bu dersi tamamlayan öğrenciler, farklı veri türlerinin ön işlemesi, düzenlenmesi, işlenmesi ve saklanması için farklı algoritmalar hakkında geniş bir bilgiye sahip olacaklardır. Öğrenciler ayrıca her bir algoritmanın performans analizini yapabilecektir.

VERİ BİLİMİ İÇİN ALGORİTMALAR

Değerlendirme Araçları (Aktif Dönem)

Değerlendirme öğesi tanımlanmamış.

Ders çıktıları

Henüz ders çıktısı tanımlanmamış.

Ders Müfredatı

Henüz haftalık içerik tanımlanmamış.

Referans Kitaplar & Ders Materyalleri

Kaynak kitap listelenmemiş.

Ders Çıktıları

1. L01 Algoritma kavramını açıklamak ve algoritma karmaşıklığını analiz etmek SOLO 4
2. L02 İkili arama ağaçlarını ve yığınları (heap) işlemek SOLO 3
3. L03 Karma (hashing) tekniklerini uygulamak SOLO 4
4. L04 Farklı sıralama algoritmalarını karşılaştırmak ve en verimli sıralama tekniğini uygulamak SOLO 4
5. L05 Farklı arama algoritmalarını karşılaştırmak ve en verimli arama tekniğini uygulamak SOLO 4
6. L06 Çizgeleri (graf) analiz etmek ve genişlik öncelikli arama (BFS) algoritmasını uygulamak SOLO 4
7. L07 Dinamik programlama tekniklerini uygulamak SOLO 4

Program Çıktıları

1. Veri bilimi alanındaki güncel durumu değerlendirmek ve anlamak amacıyla teoriler, çerçeveler ve modeller hakkında derinlemesine bilgi sahibi olmak.
2. Literatürü incelemek ve veri bilimi teorileri ile metodolojilerini yeni araştırmalarda ve deneylerde uygulamak.
3. Denetimli ve denetimsiz makine öğrenimi tekniklerini kullanarak veri setlerini analiz etmek.
4. Veri yönetimi, analiz ve problem çözümü için istatistiksel ve bilişim yazılım sistemleri tasarlamak, geliştirmek ve test etmek.
5. Farklı veri türleri ve analitik görevler için etkili görselleştirmeler tasarlamak ve geliştirmek, ayrıca görselleştirme ve görsel analiz konularında teorik ve uygulamalı konular üzerine bağımsız araştırmalar yürütmek
6. İletişim, problem çözme, araştırma veya proje faaliyetlerinde yüksek düzeyde yetkinlik kazanmak ve çok disiplinli bir ekipte ortak bir hedefe ulaşmak için bir ekip üyesi ya da lider olarak etkin biçimde çalışmak.
7. Büyük veri kümelerinin yönetimiyle ilgili zorlukların üstesinden gelmek için paralel yöntemler, bulut bilişim ve ilişkisel olmayan (NoSQL) veri depolama ve erişim çözümleri geliştirmek ve uygulamak.
8. Veri, bilgi ve iletişimin disiplinlerarası doğasını anlamak ve veri toplama ile analizine yönelik önde gelen araştırma yöntemlerini değerlendirme yeteneği kazanmak.
9. Verinin kullanımıyla ilgili etik sorunları derinlemesine anlamak ve gerçek dünya veri uygulamalarında etik kararlar alabilmek.
10. Geniş bir alan yelpazesinden bilgiyi analiz etme, sentezleme ve değerlendirme yeteneğini göstermek ve yaşam boyu kendi kendine öğrenme yetisine sahip olmak.

Pç-Dç Matrisi