Akademik Dersler - Tanıtım

Ders Bilgileri


Ders Kodu - Ders Adı	YZM2006 - Data Acquisition and Processing (Veri Toplama ve İşleme)
Ders Türü	Zorunlu Dersler
Ders Dili	İngilizce
Teori + Uygulama	3+0
AKTS	5.0
Öğretim Elemanları	DOKTOR ÖĞRETİM ÜYESİ NİHAL İNCE
Dersin Veriliş Biçimi	Bu ders sadece yüz yüze eğitim şeklinde yürütülmektedir.
Dersin Önkoşulları	Bu dersin ön koşulu ya da eş koşulu bulunmamaktadır.
Önerilen Dersler	Bu dersle ilişkili önerilen başka dersler bulunmamaktadır.
Zorunlu ya da Önerilen Kaynaklar	McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (3rd ed.). O'Reilly Media.Mitchell, R. (2018). Web scraping with Python: Collecting more data from the modern web (2nd ed.). O'Reilly Media.Zheng, A., & Casari, A. (2018). Feature engineering for machine learning: Principles and techniques for data scientists. O'Reilly Media.Arslan, İ. (2021). Veri bilimi için Python (2. Baskı). Pusula Yayıncılık.
Okuma Listesi	McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (3rd ed.). O'Reilly Media.Mitchell, R. (2018). Web scraping with Python: Collecting more data from the modern web (2nd ed.). O'Reilly Media.Zheng, A., & Casari, A. (2018). Feature engineering for machine learning: Principles and techniques for data scientists. O'Reilly Media.Arslan, İ. (2021). Veri bilimi için Python (2. Baskı). Pusula Yayıncılık.
Değerlendirme	Ara sınav, Proje ve Final sınavı
Staj & Uygulama	Bu ders için uygun değildir.
Sürdürülebilir Kalkınma Amaçları

Ders İçeriği

Haftalar	Konular
1. hafta	Giriş: Veri Yaşam Döngüsü, Veri Kaynakları ve Açık Veri Platformları (Kaggle, UCI, vb.).
2. hafta	Web Kazıma I: HTML/DOM Yapısı, Sayfa İndirme ve Veri Çıkarma (BeautifulSoup).
3. hafta	Web Kazıma II: Dinamik Sayfalar, Otomasyon Araçları ve İleri Seviye Kazıma (Selenium, Scrapy).
4. hafta	Ağ ve Servis Entegrasyonu: RESTful Mimari, HTTP İstekleri ve API'lerden Veri Çekme (JSON/XML).
5. hafta	IoT ve Sensör Verileri: Zaman Serisi Veri Kavramı, Sensör Ağlarından Veri Okuma.
6. hafta	Gerçek Zamanlı Veri Akışları (Data Streams): Mesaj Kuyrukları ve Akış Yönetimine Giriş.
7. hafta	Veri Ön İşleme I: Veri Kalitesi Ölçütleri, Gürültülü Veri ve Yumuşatma (Smoothing) Teknikleri.
8. hafta	Veri Ön İşleme II: Eksik Veri Yönetimi (Silme, İstatistiksel Değer Atama/Imputation Yöntemleri).
9. hafta	Veri Ön İşleme III: Aykırı Değer (Outlier) Tespiti ve Yönetimi (Z-Skoru, IQR Yöntemi).
10. hafta	Veri Dönüştürme: Ölçekleme, Normalizasyon (Min-Max) ve Standartlaştırma (Z-score Scaling).
11. hafta	Veri Bütünleştirme: Farklı Kaynak ve Formatlardaki Verilerin Birleştirilmesi (Merge, Join İşlemleri).
12. hafta	Boyut İndirgeme: Yüksek Boyutluluk Laneti (Curse of Dimensionality), Temel Bileşen Analizi (PCA).
13. hafta	Yapısal Olmayan Veri Depolama: NoSQL Veri Tabanları ve Doküman Tabanlı Saklama (MongoDB).
14. hafta	Analize Hazırlık: Keşifçi Veri Analizi (EDA) Temelleri ve Veri Ön İşleme Raporunun Hazırlanması.

Öğretim Yöntem ve Teknikleri

Öğretim Yöntemleri
Anlatım
Soru-Yanıt
Takım/Grup Çalışması
Gösterme
Uygulama - Alıştırma
Örnek Olay İncelemesi
Sorun/Problem Çözme
Rapor Hazırlama ve/veya Sunma
Proje Tasarımı/Yönetimi
Öğretim Yeterlilikleri
Akılcı
Etik Kurallara Uyma
Takım halinde çalışabilme
Zamanı etkili kullanma
Eleştirel düşünebilme
Soyut analiz ve sentez yapma
Problem çözme
Bilgiyi yönetme
Karar verme becerisi
Proje Tasarlama ve Yönetme

Ölçme ve Değerlendirme

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Toplam (%)		0