Subject · Həyat fəaliyyətinin təhlükəsizliyi

Data analitika və süni intellekt tətbiqləri — power bi, python (pandas), jupyterSyllabus

MM-09066 creditsAutumn semesterMandatory2025-2026

Syllabus

The subject's official programme: general information, outcomes, topic plan, reading list and assessment.

General information

Subject code
MM-0906
Credits
6
Student workload
180
Semester
Autumn semester
Academic year
2025-2026
Subject type
Mandatory
Form of education
Full-time
Language of instruction
Azerbaijani
In-class hours
a) 30 saat - mühazirə
Out-of-class hours
a) TSİ 90 saat b) MRT 60 saat

About the subject

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.

Teaching methods

  • lecture
  • seminar
  • problem-based learning
  • project-based learning
  • presentations
  • case study
  • teamwork
  • interactive discussion

Course learning outcomes (CLO)

No learning outcomes have been added.

Topic plan

  1. 1.
    Kursa giriş. data analitikasına ümumi baxış və power bi-a girişLecture

    Kursa giriş. data analitikasına ümumi baxış və power bi-a giriş

  2. 2.
    Power bi: datanın import edilməsiLecture

    Power bi: datanın import edilməsi

  3. 3.
    Power bi: power query ilə datanın təmizlənməsi və çevrilməsiLecture

    Power bi: power query ilə datanın təmizlənməsi və çevrilməsi

  4. 4.
    Power bi: data modelləşdirmə və cədvəllər arası əlaqələrLecture

    Power bi: data modelləşdirmə və cədvəllər arası əlaqələr

  5. 5.
    Power bi: DAX əsaslarıLecture

    Power bi: DAX əsasları

  6. 6.
    Power bi: təkmil DAX və zaman analiziLecture

    Power bi: təkmil DAX və zaman analizi

  7. 7.
    Power bi: vizual dizayn və interaktiv dashboardLecture

    Power bi: vizual dizayn və interaktiv dashboard

  8. 8.
    Power bi: paylaşma və aralıq layihə təqdimatıLecture

    Power bi: paylaşma və aralıq layihə təqdimatı

  9. 9.
    Python-a giriş və data strukturlarıLecture

    Python-a giriş və data strukturları

  10. 10.
    Pandas-a giriş: series və dataframeLecture

    Pandas-a giriş: series və dataframe

  11. 11.
    Datanın seçilməsi, filtrasiyası və təmizlənməsiLecture

    Datanın seçilməsi, filtrasiyası və təmizlənməsi

  12. 12.
    Qruplaşdırma, birləşdirmə və kəşfiyyatçı data analizi (eda)Lecture

    Qruplaşdırma, birləşdirmə və kəşfiyyatçı data analizi (eda)

  13. 13.
    Vizuallaşdırma (matplotlib/seaborn) və pandas → power BI inteqrasiyasıLecture

    Vizuallaşdırma (matplotlib/seaborn) və pandas → power BI inteqrasiyası

  14. 14.
    Süni intellekt tətbiqləri: proqnozlaşdırıcı analitikaya girişLecture

    Süni intellekt tətbiqləri: proqnozlaşdırıcı analitikaya giriş

  15. 15.
    Yekun layihələrin təqdimatıLecture

    Yekun layihələrin təqdimatı

Reading list

No reading list has been added.

Assessment

FormDescriptionScoreRelated CLO
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