FENERBAHÇE ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| Veri Bilimi ve Analitiği | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | MAT105 | ||||||||
| Ders İsmi: | Matematik I | ||||||||
| Ders Yarıyılı: | Güz | ||||||||
| Ders Kredileri: |
|
||||||||
| Öğretim Dili: | TR | ||||||||
| Ders Koşulu: | |||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
| Dersin Türü: | Zorunlu | ||||||||
| Dersin Seviyesi: |
|
||||||||
| Dersin Veriliş Şekli: | |||||||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi Bilge SERDARER KUZU | ||||||||
| Dersi Veren(ler): |
Dr.Öğr.Üyesi Bilge SERDARER KUZU |
||||||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Bu dersin amacı, öğrencilere matematiğin temel kavramlarını ve yöntemlerini kavratmak, fonksiyon, limit, süreklilik ve türev konularında güçlü bir temel oluşturarak, analitik düşünme, problem çözme ve modelleme becerilerini geliştirmektir. Öğrenciler, matematiğin diğer disiplinlerdeki (mühendislik, ekonomi, sosyal ve fen bilimleri) uygulamalarını görecek ve kendi alanlarındaki problemlere matematiksel yaklaşım geliştirmeyi öğreneceklerdir. |
| Dersin İçeriği: | Sayı kümeleri, denklemler, özdeşlikler, eşitsizlikler. Fonksiyon kavramı, fonksiyon çeşitleri (polinom, rasyonel, köklü, üstel, logaritmik, trigonometrik, ters trigonometrik, hiperbolik). Özel fonksiyonlar (mutlak değer, tam değer, işaret fonksiyonu). Limit ve süreklilik kavramları, limit kuralları, belirsiz haller, tek taraflı limitler. Türev tanımı, türev alma kuralları ve uygulamaları. Trigonometrik, üstel, logaritmik, hiperbolik fonksiyonların türevleri. Yüksek mertebeden türevler, L’Hospital kuralı, türevin uygulamaları (artan-azalan fonksiyonlar, maksimum-minimum problemleri, eğri çizimi, optimizasyon problemleri, mühendislik ve fen bilimleri uygulamaları). |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
|||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Sayı kümeleri ve cebire giriş | |
| 2) | Üslü ve köklü ifadeler, temel kurallar | |
| 3) | I. Dereceden denklem ve eşitsizlikler | |
| 4) | II. Dereceden denklem ve eşitsizlikler | |
| 5) | Mutlak Değer, Temel kurallar, mutlak değerli denklem ve eşitsizlikler | |
| 6) | Fonksiyonlara Giriş | |
| 7) | Fonksiyonların tanım kümeleri ve ters fonksiyonlar | |
| 8) | Vize Haftası | |
| 9) | Özel Tanımlı Fonksiyonlar | |
| 10) | Trigonometrik Fonksiyonlar | |
| 11) | Trigonometrik ve Ters Trigonometrik Fonksiyonların Grafikleri, Hiperbolik Fonksiyonlar | |
| 12) | Üstel ve Logaritmik Fonksiyonlar | |
| 13) | Limit I: Limit kavramı, limit tanımı, temel teoremler ve ispatlar, Sandviç teoremi | |
| 14) | Limit II: Trigonometrik fonksiyonların limitleri, belirsiz haller (0/0, ∞/∞, 0·∞, ∞−∞) | |
| 15) | Limit III: Sağ ve sol limit, tek taraflı limitler, belirsiz hallerin devamı | |
| 16) | Süreklilik: Sürekli fonksiyon kavramı, süreksizlik çeşitleri, ara değer teoremi |
Kaynaklar
| Ders Notları / Kitaplar: | |
| Diğer Kaynaklar: | Thomas, G. B., Weir, M. D., Hass, J. (2012). Thomas’ Calculus, 11th Edition (Türkçe Çeviri: Mustafa Bayram). Haeussler, E. F., Paul, R. S., Wood, R. J. (2021). Introductory Mathematical Analysis for Business, Economics, and the Life and Social Sciences (Global Edition). Balcı, M. (2012). Genel Matematik 1. Balcı, M. (2010). Çözümlü Analiz Problemleri 1. |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | ||||
|---|---|---|---|---|
| Program Kazanımları | ||||
| 1) Veri bilimi, yapay zekâ, makine öğrenmesi, istatistik ve bilgisayar bilimi alanlarında edindiği bilgileri analiz ve karar verme süreçlerinde etkin biçimde kullanabilmek. Farklı disiplinlerdeki veri analizi ihtiyaçlarını belirleyebilmek, uygun veri setlerini temin edebilmek, verileri derleyip işleyerek anlamlı bilgiye dönüştürebilmek. Veri analizi ve modelleme süreçlerinde gerekli yazılım ve algoritmaları tasarlayabilmek. Veri bilimi problemlerinin çözümüne yönelik projeler geliştirebilmek ve alternatif çözüm yöntemleri önerebilmek. | ||||
| 2) Veri toplama, temizleme, ön işleme ve analiz süreçlerini gerçekleştirebilmek. İstatistiksel analiz yöntemleri ile makine öğrenmesi algoritmalarını uygulayabilmek ve yorumlayabilmek. Büyük veri teknolojileri ve veri tabanı yönetimi süreçlerini tasarlayabilmek ve uygulayabilmek. Programlama dillerini (Python, R vb.) kullanarak veri analizi yapabilmek; gerekli yazılımları geliştirebilmek. | ||||
| 3) Türkçe ve İngilizce dillerini kullanarak veri bilimi alanındaki güncel gelişmeleri takip edebilmek, mesleki bilgileri yazılı ve sözlü olarak etkin biçimde aktarabilmek. Mesleki uygulamalarda etik ilkelere uygun hareket edebilmek ve veri gizliliği konularına duyarlı olabilmek. | ||||
| 4) Veri bilimi alanında projeler geliştirebilmek; bu projelerde yönetici veya ekip üyesi olarak etkin rol alabilmek ve yenilikçi yaklaşımlar geliştirebilmek. Edindiği bilgi ve becerileri farklı disiplinlerle entegre ederek eleştirel bir bakış açısıyla değerlendirebilmek ve yeni öğrenme fırsatları yaratabilmek. | ||||
| 5) Veri bilimi projelerinde takım çalışmasına etkin biçimde katılabilmek, bireysel sorumluluk üstlenebilmek ve gerektiğinde proje liderliği yapabilmek. | ||||
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Veri bilimi, yapay zekâ, makine öğrenmesi, istatistik ve bilgisayar bilimi alanlarında edindiği bilgileri analiz ve karar verme süreçlerinde etkin biçimde kullanabilmek. Farklı disiplinlerdeki veri analizi ihtiyaçlarını belirleyebilmek, uygun veri setlerini temin edebilmek, verileri derleyip işleyerek anlamlı bilgiye dönüştürebilmek. Veri analizi ve modelleme süreçlerinde gerekli yazılım ve algoritmaları tasarlayabilmek. Veri bilimi problemlerinin çözümüne yönelik projeler geliştirebilmek ve alternatif çözüm yöntemleri önerebilmek. | |
| 2) | Veri toplama, temizleme, ön işleme ve analiz süreçlerini gerçekleştirebilmek. İstatistiksel analiz yöntemleri ile makine öğrenmesi algoritmalarını uygulayabilmek ve yorumlayabilmek. Büyük veri teknolojileri ve veri tabanı yönetimi süreçlerini tasarlayabilmek ve uygulayabilmek. Programlama dillerini (Python, R vb.) kullanarak veri analizi yapabilmek; gerekli yazılımları geliştirebilmek. | |
| 3) | Türkçe ve İngilizce dillerini kullanarak veri bilimi alanındaki güncel gelişmeleri takip edebilmek, mesleki bilgileri yazılı ve sözlü olarak etkin biçimde aktarabilmek. Mesleki uygulamalarda etik ilkelere uygun hareket edebilmek ve veri gizliliği konularına duyarlı olabilmek. | |
| 4) | Veri bilimi alanında projeler geliştirebilmek; bu projelerde yönetici veya ekip üyesi olarak etkin rol alabilmek ve yenilikçi yaklaşımlar geliştirebilmek. Edindiği bilgi ve becerileri farklı disiplinlerle entegre ederek eleştirel bir bakış açısıyla değerlendirebilmek ve yeni öğrenme fırsatları yaratabilmek. | |
| 5) | Veri bilimi projelerinde takım çalışmasına etkin biçimde katılabilmek, bireysel sorumluluk üstlenebilmek ve gerektiğinde proje liderliği yapabilmek. |
Öğrenme Etkinliği ve Öğretme Yöntemleri
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışması | 16 | 3 | 48 |
| Ara Sınavlar | 1 | 14 | 14 |
| Final | 1 | 28 | 28 |
| Toplam İş Yükü | 138 | ||