| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Açık Kaynak Kod ile Mekansal Programlama | HRT437 | Seçmeli | Lisans | 4 | Güz | 6 |
Öğretim Elemanı Adı
Doç. Dr. Taner ÜSTÜNTAŞ
Dersin Öğrenme Kazanımları
1) Python mekansal paketleri öğrenir
2) Geodataframe ve Geoseries veri yapısı öğrenir
3) Mekansal nesneleri öğrenir
4) Mekansal birleştirme ve basit analizleri yapabilir
5) Mekansal veri görselleştirmesi yapabilir
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | ||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | ||
| Öğrenme Kazanımları | ||||||||||||
| 1 | Yüksek | Orta | Yüksek | Yüksek | Düşük | Düşük | Düşük | Düşük | Düşük | Düşük | ||
| 2 | Düşük | Yüksek | Düşük | Düşük | Orta | Düşük | Düşük | Düşük | Düşük | Düşük | Düşük | |
| 3 | ||||||||||||
| 4 | Orta | Yüksek | Düşük | Düşük | Orta | Orta | Düşük | Düşük | Düşük | Düşük | Düşük | |
| 5 | Yüksek | Düşük | Düşük | Orta | Düşük | Düşük | Düşük | Düşük | Düşük | Düşük | ||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Programlamaya Giriş
Dersin İçeriği
Python programlama kullanarak basit coğrafi mekânsal analiz ve görselleştirmesi GDAL, Geopandas, Shapely, Pysal, Geoplot, RSGISLib, Numpy, Scipy vb. kütüphaneler öğrenilecek.
Haftalık Ders İzlencesi
1) Ders ve meslek ilişkisi, analizlerin kapsamı2) Python mekansal paketleri kurma
3) Shapely, Fiona kütüphaneleri ile mekansal veri okuma ve yazma
4) Pandas veri yapısı oluşturma
5) Geodataframe ve Geoseries veri yapısı oluşturma
6) Geometrik nesleler, konumsal veri modeli, nokta, çizgi, poligon, geometri koleksiyonları yaratma
7) Koordinat Referans Sistemi (CRS), koordinat dönüşümü
8) Ara sınav
9) Uzamsal Birleştirme, Tampon Analizi, Kesişme Analizi, En Yakın komşuluk Analizi
10) Python ile harita sağlayıcıların API lerini kullanma
11) Çok katmanlı haritalar, Choropleth Haritası, Bubble Haritası
12) İnteraktif Mekansal Veri görselleştirme örnekleri
13) Covid-19 verileri ile gedataframe yapısı yaratma
14) Covid-19 verileri ile analiz yapma
15) Analiz sonuçlarını dinamik harita üzerinde yayınlama
16) Yarıyıl sonu sınavı
Önerilen/İstenen Ders Kaynakları
1- Joel Lawhead (2019), Learning Geospatial Analysis with Python 3rd Edition, ISBN 978-1-78995-927-7 Packt Publishing.
2- McKinney, W. (2017) Python for Data Analysis: Data wrangling with Pandas, NumPy and iPython, Second edition. O´Reilly Media.
3- https://gdal.org/
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Soru-Cevap
3) Problem Çözme
Değerlendirme Yöntemi ve Ölçütleri
Ara Sınav Notunun Başarıya Oranı |
40% |
|---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte