Fənn · Kimya mühəndisliyi

Data analitika və süni intellekt tətbiqləri — Power BI, Python (pandas), JupyterSillabus

MM-09066 kreditPayız semestriMəcburi

Sillabus

Fənnin rəsmi proqramı: ümumi məlumat, təlim nəticələri, mövzu planı, ədəbiyyat və qiymətləndirmə.

Ümumi məlumat

Fənn kodu
MM-0906
Kredit
6
Tələbənin iş yükü
150
Semestr
Payız semestri
Akademik il
—
Fənnin tipi
Məcburi
Təhsil forması
Əyani
Tədris dili
Azərbaycan
Auditoriyadaxili saatlar
30 saat - mühazirə
Auditoriyadan kənar saatlar
a) TSİ 90 saat b) MRT 60 saat

Fənn haqqında

Bu fənn magistratura səviyyəsində tədris olunan tətbiqi xarakterli kursdur; 15 həftədən 8-i Power BI vasitəsilə biznes analitikasına (data import, Power Query, data modelləşdirmə, DAX, dashboard dizaynı və paylaşma), qalan həftələr isə Python/pandas ilə data analitikasına və sadə proqnozlaşdırıcı analitika üsullarına həsr olunub. Kursun məqsədi magistrantlara Power BI vasitəsilə peşəkar biznes analitikası bacarıqları qazandırmaq və bunun üzərində Python/pandas ilə data analitikası və süni intellekt tətbiqləri ilə tanışlıq təmin etməkdir. Kursun sonunda tələbələr öz ixtisaslarına uyğun real və ya real-yaxın dataset üzərində Power BI-mərkəzli, uçdan-uca (end-to-end) analitik layihə hazırlayacaqlar.

Tədris metodları

  • mühazirə
  • interaktiv müzakirə
  • case study
  • komanda işi
  • layihə əsaslı öyrənmə
  • problem-based learning
  • təqdimatlar

Fənn təlim nəticələri (CLO)

Təlim nəticəsi əlavə edilməyib.

Mövzu planı

  1. 1.
    Kursa giriş. Data analitikasına ümumi baxış və Power BI-a girişMühazirə
  2. 2.
    Power BI: datanın import edilməsiMühazirə
  3. 3.
    Power BI: Power Query ilə datanın təmizlənməsi və çevrilməsiMühazirə
  4. 4.
    Power BI: data modelləşdirmə və cədvəllər arası əlaqələrMühazirə
  5. 5.
    Power BI: DAX əsaslarıMühazirə
  6. 6.
    Power BI: təkmil DAX və zaman analiziMühazirə
  7. 7.
    Power BI: vizual dizayn və interaktiv dashboardMühazirə
  8. 8.
    Power BI: paylaşma və aralıq layihə təqdimatıMühazirə
  9. 9.
    Python-a giriş və data strukturlarıMühazirə
  10. 10.
    pandas-a giriş: Series və DataFrameMühazirə
  11. 11.
    Datanın seçilməsi, filtrasiyası və təmizlənməsiMühazirə
  12. 12.
    Qruplaşdırma, birləşdirmə və kəşfiyyatçı data analizi (EDA)Mühazirə
  13. 13.
    Vizuallaşdırma (Matplotlib/Seaborn) və pandas → Power BI inteqrasiyasıMühazirə
  14. 14.
    Süni intellekt tətbiqləri: proqnozlaşdırıcı analitikaya girişMühazirə
  15. 15.
    Yekun layihələrin təqdimatıMühazirə

Ədəbiyyat

Ədəbiyyat əlavə edilməyib.

Qiymətləndirmə

Qiymətləndirmə formasıAçıqlamaBalUyğun FTN
Cari qiymətləndirməCari qiymətləndirmə - fənn üzrə tələbənin semestr müddətində fəaliyyətinin qiymətləndirilməsi olmaqla, mühazirə və məşğələ (laboratoriya) dərs materiallarının mənimsənilmə səviyyəsini qiymətləndirilir.30 balFTN 1-5
DavamiyyətTələbə fənn üzrə dərslərin 25%-dən çoxunda iştirak etmədiyi halda imtahana buraxılmır.10 bal-
Tələbənin sərbəst işiTələbəyə fənn üzrə semestr ərzində 1 sərbəst işin (zəruri hallarda sərbəst işlərin sayı artırıla bilər) yerinə yetirilməsi tapşırığı verilir.10 balFTN--
İmtahanİmtahan şifahi, yazılı, yazılı-elektron, test üsulu ilə keçirilir50 balFTN 1-5