Eskişehir Teknik Üniversitesi Eskişehir Teknik Üniversitesi
  • Kurumsal
  • Akademik Programlar
  • Öğrenci İçin Bilgi
  • English
Program Hakkında Eğitim Amaçları Program Yeterlilikleri (Çıktıları) Dersler - AKTS Kredileri Alan Yeterlilikleri Ders - Prog. Yeterlilik İlişkileri Alan & Prog. Yeterlilik İlişkileri Ders - Sürdürülebilir Kalkınma Amaçları İlişkisi
  • Lisansüstü Eğitim Enstitüsü
  • Yer Bilimleri Anabilim Dalı
  • Yer Bilimleri Anabilim Dalı Tezli YL.
  • Dersler - AKTS Kredileri
  • Yer Bilimleri için Python ile Veri Bilimine Giriş
  • Tanıtım
  • Tanıtım
  • Öğrenme Çıktıları
  • Program Çıktılarına Katkısı
  • Öğrenme Çıktısının Program Çıktılarına Katkısı

Ders Bilgileri

Ders Kodu - Ders Adı YBL519 - Yer Bilimleri için Python ile Veri Bilimine Giriş
Ders Türü Seçmeli Dersler
Ders Dili Türkçe
Teori + Uygulama 3+0
AKTS 7.5
Öğretim Elemanları PROFESÖR DOKTOR HAKAN AHMET NEFESLİOĞLU
Dersin Veriliş Biçimi Yüzyüze/Uzaktan
Dersin Önkoşulları Yok
Önerilen Dersler Yok
Zorunlu ya da Önerilen Kaynaklar Langtangen, H.P., 2016. A Primer on Scientific Programming with Python. Springer, Heidelberg, 942 p.PetrelliI, M., 2021. Introduction to Python in Earth Science Data Analysis from Descriptive Statistics to Machine Learning. Springer, Heidelberg, 252 p. VanderPlas, J., 2017. Python Data Science Handbook Essential Tools for Working with Data. O’Reilly Media, Inc., Sebastopol, 530 p.
Okuma Listesi Ayer, V.M., Miguez, S., Toby, B.H., 2014. Why scientists should learn to program in Python. Powder Diffraction 29 (S2), 48-64. Kirk, M., 2017. Thoughtful Machine Learning with Python. O’Reilly Media, Inc., Boston, 204 p.Lin, J.W., 2012. Why Python Is the Next Wave in Earth Sciences Computing. Bulletin of the American Meteorological Society, 93, 12, 1823-1824.
Değerlendirme 1 Arasınav ( ), 3 Ödev (0), 1 Final (P)
Staj & Uygulama Yok
Sürdürülebilir Kalkınma Amaçları

Ders İçeriği

Haftalar Konular
1. hafta Python Programlama Temelleri; Döngüler ve Listeler
2. hafta Python Programlama Temelleri; Fonksiyonlar ve Koşullu İfadeler
3. hafta Python Programlama Temelleri; Dosya İşlemleri ve Hata Yakalama
4. hafta Python Programlama Temelleri; Sözlükler ve Cümleler
5. hafta Python Programlama Temelleri; Sınıflar ve Nesneler
6. hafta NumPy Kütüphanesine Giriş
7. hafta Veri Manipülasyonu: Pandas
8. hafta Veri Görselleştirme: Matplotlib
9. hafta Makine Öğrenmesine Giriş
10. hafta Naive Bayes Sınıflandırma ve Doğrusal Regresyon
11. hafta Destek Vektör Makineleri ve Karar Ağaçları
12. hafta Temel Bileşenlar Analizi ve Çok Yönlü Öğrenme
13. hafta K-Means Kümeleme ve Gauss Karışım Modelleri
14. hafta Kernel Yoğunluk Tahmini

Öğretim Yöntem ve Teknikleri

  • Öğretim Yöntemleri
  • Anlatım
  • Tartışma
  • Soru-Yanıt
  • Uygulama - Alıştırma
  • Sorun/Problem Çözme
  • Rapor Hazırlama ve/veya Sunma
  • Öğretim Yeterlilikleri
  • Üretken
  • Akılcı
  • Sorgulayan
  • Takım halinde çalışabilme
  • Eleştirel düşünebilme
  • Problem çözme
  • Organize etme ve planlama

Ölçme ve Değerlendirme

Değerlendirme Yöntemi ve Geçme Kriterleri
Sayısı Yüzde (%)
1.Ara Sınav 1 20
2.Ara Sınav 1 20
Dönem Sonu Sınavı 1 60
Toplam (%) 100
  • Kurumsal
  • İsim ve Adres
  • Akademik Takvim
  • Yönetim Kadrosu
  • Kurum Hakkında
  • Akademik Programlar
  • Genel Kabul Şartları
  • Önceki Öğrenmenin Tanınması
  • Kayıt İşlemleri
  • AKTS Kredi Sistemi
  • Akademik Danışmanlık
  • Akademik Programlar
  • Doktora / Sanatta Yeterlik
  • Yüksek Lisans
  • Lisans
  • Önlisans
  • Açık ve Uzaktan Eğitim Sistemi
  • Öğrenci İçin Bilgi
  • Şehirde Yaşam
  • Konaklama
  • Beslenme Olanakları
  • Tıbbi Olanaklar
  • Engelli Öğrenci Olanakları ı
  • Sigorta
  • Maddi Destek
  • Öğrenci İşleri Daire Başkanlığı
  • Öğrenci İçin Bilgi
  • Öğrenim Olanakları
  • Uluslararası Programlar r
  • Değişim Öğrencileri için Pratik Bilgiler
  • Dil Kursları
  • Staj
  • Sosyal Yaşam ve Spor Olanakları
  • Öğrenci Kulüpleri