|
|
| HRT2051 | Mesleki Bilgisayar Programlama | 2+1+0 | AKTS:3 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Lisans | | Yazılım Şekli | Zorunlu | | Bölümü | HARİTA MÜHENDİSLİĞİ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Laboratuar Çalışması | | Dersin Süresi | 14 hafta - haftada 2 saat teorik ve 1 saat uygulama | | Öğretim Üyesi | Doç. Dr. Mustafa DİHKAN | | Diğer Öğretim Üyesi |
| | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Öğrencilerin haritacılığın önemli konuları ile ilgili Python dilinde programlar geliştirmesini sağlamak |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Python'da veri yapılarını öğrenecek | 4.1 | 4, | | ÖK - 2 : | Python döngülerini öğrenecek | 4.2 | 4, | | ÖK - 3 : | Python ile Veri Analizi yapabilecek | 4.1 | 4, | | ÖK - 4 : |
Python ile Mühendislik Problemleri çözebilecek | 4.2 | 4, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
|
Python'da veri yapıları, Python'da Koşullar, Python?da Döngüler, Python'da Dosya İşlemleri, Python ile Veri Analizi
|
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Python'da veri yapıları: List, Dict, Tuple ve Boolean | | | Hafta 2 | Python'da Koşullar | | | Hafta 3 | Python?da Döngüler | | | Hafta 4 | Python'da Methodlar ve Fonksiyonlar | | | Hafta 5 | Python'da Dosya İşlemleri, Modüller ve Paketler | | | Hafta 6 | Python?da sık kullanılan Kütüphanler: NumPy Özellikleri, Koşullu Eleman İşlemleri, NumPy ile Matematiksel İşlemeler, NumPy ile Denklem Çözümleri | | | Hafta 7 | Python?da sık kullanılan Kütüphanler: Pandas Özellikleri, Pandas Serisi Oluşturma, Koşullu Eleman İşlemleri, Pivot Tablolar | | | Hafta 8 | Python ile Veri Analizi : Veri Ön İşleme, Eksik Veri Analizi, Aykırı Veri Analizi, Veri Görselleştirme, Değişkenlerin Normalizasyonu, Kategorik Veri İşleme, Değişken Dönüşümleri, Zaman Serilerinde Veri Analizi | | | Hafta 9 | Arasınav
| | | Hafta 10 | Python ile Veri Görselleştirme | | | Hafta 11 |
Mesleki uygulama 1-2 | | | Hafta 12 | Mesleki uygulama 3-4
| | | Hafta 13 | Mesleki uygulama 5-6 | | | Hafta 14 | Mesleki uygulama 7-8 | | | Hafta 15 | Mesleki uygulama 9-10 | | | Hafta 16 | Dönem sonu sınavı | | | |
| 1 | McKinney, W. (2012). Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.". | | | |
| 1 | VanderPlas, J. (2016). Python data science handbook: Essential tools for working with data. " O'Reilly Media, Inc.". | | | 2 | Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc.". | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 1 | 30 | | Laboratuar sınavı | 12 | | 1 | 20 | | Dönem sonu sınavı | 16 | | 1 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 4 | 14 | 56 | | Sınıf dışı çalışma | 6 | 10 | 60 | | Laboratuar çalışması | 2 | 5 | 10 | | Arasınav için hazırlık | 3 | 1 | 3 | | Arasınav | 2 | 1 | 2 | | Dönem sonu sınavı için hazırlık | 4 | 1 | 4 | | Dönem sonu sınavı | 2 | 1 | 2 | | Toplam Çalışma Yükü | | | 137 |
|