Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
İLERİ PROGRAMLAMA II	Birinci Düzey	AST432	Seçmeli	5	5.00	5.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Bilgisayar I, Bilgisayar II ve İleri Programlama I derslerini başarı ile tamamlamış olmak.
Eğitimin Dili	Türkçe
Koordinatör	ÖĞRETİM ÜYESİ NURTEN FİLİZ AK
Dersi Veren Öğretim Eleman(lar)ı	ÖĞRETİM ÜYESİ Dr. NURTEN FİLİZ AK
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	Yüz yüze
Dersin Amacı	Bu ders, öğrencilerin Python programlama dilini ileri derece kullanabilir hale gelmesini, istatistik yaklaşımlar ile astronomik verileri programlama yoluyla analiz etmeyi öğrenmesini, büyük astronomik verilere ulaşabilmek ve bunlarla işlemler yapmak için gerekli araçlara hâkim olmasını ve makine öğrenmesi yaklaşımlarının temellerini anlamasını amaçlamaktadır.
Dersin Tanımı	Bu ders içeriği (a) temel programlama bilgileri ile istatistiksel analiz yöntemlerinin uygulanması ve (b) SQL ve ADQL gibi dillerle arşiv verilerini kullanarak astronomi konularında makine öğrenmesi uygulamaları yapmasını kapsar. Birinci kısımda, öğrencilere temel programlama mantığının yanı sıra istatistik test kavramları, bunların kullanım alanları ve uygulamaları sunulur. Dersin ikinci kısmında ise arşivlenmiş astronomi verilerinin yapısı, nasıl ulaşılabildiği sorgu yöntemleri ile bu verilerin işlenmeye hazır hale getirilmesi anlatılır. Ayrıca makine öğrenmesi ile denetimli ve denetimsiz öğrenmenin alt dalları olan sınıflama ve regresyon gibi konularda birebir uygulama yapma olanağı verilir.

Dersin İçeriği

1	Dersin amacı, hedefleri, içeriği ve işleyişi ile ilgili öğrencilerin bilgilendirilmesi. Python dilinin kullanımı ile ilgili temel ilgilerin hatırlatılması Python temel program uygulamaları, veri yapısı, modül kullanımı, döngüler, def ile alt program tanımlanması. Öğrencilerin vize final ve geçme notu dağılımlarını hesaplayan programın hazırlanması örneği.
2	Betimsel istatistik kavramlar: ortalama, ortanca, varyans, skewness ve kurtosis hesapları. Samanyolu ve Andromeda galaksilerindeki küresel kümelerin dağılımları üzerinde betimsel istatistik uygulaması.
3	Tek boyutlu veriler için olasılık dağılımı, PDF, PMF ve CDF kavramları ve bunların hesaplanması. Normal Dağılım, Bernoulli Dağılımı, Poisson Dağılımı, Binom Dağılımı, Pareto Dağılımı ve bunlar üzerine uygulamalar.
4	Olasılık, olabilirlik ve maksimum olabilirlik kavramları. Probability, Likelihood ve Maksimum likelihood. Probability ve likelihood arasındaki fark. Maksimum log likelihood hesabı. Bu yaklaşımla olasılık dağılımlarının yaklaşık parametrelerinin belirlenmesi. Astronomi verileri ile uygulamalar.
5	İstatistik testlerin kullanımı, çıktılarının yorumlanması, hipotez testi havramı. Tek boyutlu veri için olasılık dağılım testleri: Anderson-Darling, Kolmogorov Simirnov, Shapiro wilkocson testi ve Student t test için astronomik veriler üzerinde uygulamalar.
6	Yoğunluk tahmini ve yeniden örneklendirme; re-sampling yöntemleri: Kernel density estimation, gaussian mixture model ile yoğunluk dağılımlarının tanımlanması. Parametre yorumlaması ve örnek veri dosyaları ile uygulamalar.
7	Örneklem verilerinde modifikasyon yöntemleri, bootstraping, jackknife, cross validation ve Monte Carlo simülasyon yaklaşımları ile veri modifikasyonu. Veri tablolama ve data frame işlemleri üzerine uygulamalar.
8	Korelasyon, Korelasyon türleri, Korelasyon testleri: Kendall Tau, Pearson testi, Spearmann rank korelasyon testi, Godssman Kruskall Gamma testi, p-değeri tanımlaması. İki boyutlu verilerde koralatif bağıntı aranması.
9	Arasınav
10	Regresyon analizi. Regresyon türleri, bağımlı bağımsız değişken kavramları. Regresyon parametrelerinde hata hesabı. Hata yayılımı. Regresyonda ölçüm hatalarının dikkate alınması durumundaki simülatif yaklaşımlar. Nist veri tabanındaki atomik veri tabloları ile uygulama.
11	Veri modelleme, lmfit modülü kullanım alanları, lineer ve non-lineer model kullanımları, çoklu modellerin kullanımı ve model tanımlama. Modelleme ile elde edilen parametrelerin yorumlanması, hata analizi. Minimizasyon yaklaşımı ile artıklar üzerinde Lavenberg-Marquart çözümleri. Outlier tanımlaması, outlier detection, genelleştirilmiş ESD testi ve astronomi verilerinde outlier verilerin belirlenmesi ve işlenmesi üzerine uygulamalar.
12	SQL: sorgulama yapısı, klasör ve dosya kavramları, anahtar ile veri sorgulama veri girişi ve çoklu dosyaların katılımı. Python üzerinden SQL sorgu modülleri. Büyük veri yönetimi için tablo yapılarının modifiye edilmesi. Astroquery modülü ile astronomik verilere ulaşım ve bunlar üzerinde uygulamalar. SQL alternatifi olarak Astronomik Data Query Language; ADQL.
13	Makine öğrenmesine giriş: Denetimsiz öğrenme, denetimli öğrenme ve pekiştirmeli öğrenme kavramları ve bunlar arasındaki farklar ile kullanım alanları. Denetimsiz öğrenme yöntemleri ile veri sınıflama. SKlearn modülü kullanarak k- Means, HDBSCAN, hierarchical clustering, Support Vektör ve karar ağacı uygulamaları.
14	Denetimli öğrenme sınıflama ve regresyon. Gradient boosting, nearest neighbors, random forest, logistic regression, support vektör uygulamaları. Astronomi verileri ile denetimli öğrenme uygulamaları. Denetimli öğrenme yaklaşımı ile Regresyon analizleri: Gradient boosting, nearest neighbors, random forest, ridge model uygulamaları.
15	Makine öğrenmesi uygulamaları
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Temel programlama bilgilerini pekiştirerek kendi ihtiyacı doğrultusunda çalışan bir program yazabilir.
2	Astronomi alanında elde edilen verilere ulaşabilir, bu verileri kendi amacı doğrultusunda kullanabilir ve istatistik analizler yapabilir.
3	Astronomi verileri üzerinde tek boyutlu ve çok boyutlu veri kavramlarını anlar, uygun analiz ve istatistik testleri belirleyerek gerekli analizleri yaparak sonuca ulaşabilir.
4	Makine öğrenmesinin temel kavramları hakkında bilgi sahibidir. Analizlerinde makine öğrenmesi yöntemlerini kullanabilir. Gruplama, Sınıflama, korelasyon ve regresyon analizlerini yapabilir.
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Astronomi ve Uzay Bilimleri alanındaki tarihsel gelişimleri değerlendirip yorumlar.
2	Madde ve enerji arasındaki ilişki ve enerjiyi açıklar.
3	Evrenin yapısı, oluşumu, evrimini anlar; evrende bulunan gök cisimlerinin çeşitliliğini kuramsal ve gözlemsel olmak üzere bilimsel yöntemlerle çok yönlü değerlendirir.
4	Gök cisimlerinin; fiziksel ve kimyasal özellikleri ile konum ve şekillerini çeşitli koordinat ve ölçü sistemleriyle çok yönlü değerlendirir.
5	Güneş, Güneş sistemi üyeleri ile bunların yeryüzündeki etkilerini çok yönlü açıklar. Ötegezegen sistemlerinin özelliklerini anlar ve yorumlar.
6	Astronomi ve Uzay Bilimleri konularını anlayabilmek için temel fizik ve matematik bilgilerini kullanma becerisi kazanır.
7	Gözlem aletleri ve ölçüm teknikleri kullanma konusunda bilgi sahibi olur. Sayısal ve astronomik görüntülerin çeşitliliğini tanımlayarak bu görüntülerin işlenmesini gerçekleştirir. Gözlem aletleriyle kaydedilen fotonlardan kaynağın özelliklerine ve evrimine ilişkin bilgi türetir.
8	Astronomik verileri toplar, analiz eder, hata analizi yaparak teorik modeller ile sonuçları yorumlar.
9	Astronomi ve Uzay Bilimleri ile ilgili alanlarda projeler yapar, konulara ilişkin problemleri bilgisayar bilgisiyle analiz eder ve çözümü için çeşitli programlama dilleriyle programlar hazırlar.
10	Radyo bölgeden Gama’ya elektromanyetik tayfın her bölgesinden yerden ve uydulardan gelen verileri kullanıp, yorumlar. Yakın uzaya ait uzay havası, uydu yörüngeleri, uydu ve uzay teknolojileri hakkında bilgi sahibi olur.
11	Karşılaştığı problemleri çözmek için eleştirel ve yaratıcı düşünür ve çözüme ulaşırken farklı yöntem ve güncel teknikleri kullanır
12	Orta öğretimde astronomi, fen ve teknoloji, matematik, fizik ve bilişim konularında düşüncelerini ve bilgilerini toplumla paylaşma sorumluluğu kazanır
13	Kamu ve özel sektörde, bilgisayarlı hesaplama ve istatistik bilgisini kullanır ve paylaşır.
14	Topluma astronomi konularında bilgi ve düşüncelerini aktarır, doğru yönlendirmelerde bulunur.
15	Bütün temel bilimlere genel bir bakış açısı kazanır, bilim ve teknolojideki gelişmeleri izleme ve mesleki bilgi ve becerilerini güncel tutma bilincine sahip olur. Disiplinler arası grup çalışmaları yapabilir ve zamanı etkin kullanabilir. Mesleki sorumluluk ve etik bilincini geliştirir.
16	Alanındaki en son gelişmeleri ve bilgileri takip edebilecek ve sözlü ve yazılı iletişim kuracak düzeyde en az bir yabancı dil bilgisine sahip olur, bilimsel çalışmalar yazar, sunar ve meslektaşları ile iletişim kurarak tartışır.
17	Ana dilinin yapı ve işleyiş özelliklerini, dil-düşünce bağlantısı açısından yazılı ve sözlü ifade vasıtası olarak Türkçeyi doğru ve güzel kullanır.
18	Ülkemizi, Atatürk''ün düşünce, görüş ve ilkeleri doğrultusunda gelişmiş seviyeye getirecek bilince sahip olur.
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	0	0	0
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	0	0	0
Ödevler	0	0	0
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	0	0	0
Ara sınavlar	0	0	0
Proje (Yarıyıl ödevi)	0	0	0
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	0	0	0
Yarıyıl sonu sınavı	0	0	0
Araştırma	0	0	0
Toplam iş yükü			0
AKTS			0.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	0	0
Kısa sınav	0	0
Ödev	0	0
Yarıyıl içi toplam		0
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		0
Yarıyıl sonu sınavının başarıya katkı oranı		0
Genel toplam		0

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Ders süresince paylaşılacaktır.
Yardımcı Kaynaklar

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında