Dersin amacı, öğrencilere deneysel verilerin nasıl yorumlanacağını ve diğer veri odaklı çalışan bilim insanları ile nasıl iletişim kurulacağını kavratmaktır.

Bu derste deneysel sonuçların anlaşılmasını ve yönetilmesini sağlayan modern bilgisayar sistemlerindeki veri işleme tekniklerinin temel bileşenleri öğretilir.

- Ders müfredatı ve öğrenme çıktıları öğrencilere anlatılır. - Ders sunumları ve interaktif uygulamalarla etkin eğitim ve öğretim koşulları sağlanır. - Öğrenciler grup proje ödevleri ile ortak çalışma ve işbirliğine teşvik edilirler. - Öğrencilerin Python programlama dili ile farklı platformlarda yazılım ve analitik yöntemler geliştirmeleri teşvik edilir. - Öğrencilerin modern yöntemlerle yazılım geliştirmeleri ve ortaklaşa çalışmaları sağlanır.

- Python yorumlayıcı: https://www.python.org/downloads/ - Interactive Python: https://www.ipython.org - Jupyter notebook: https://www.jupyter.org/ - Visual Studio Code: https://code.visualstudio.com - Pro git online kitabı: https://git-scm.com/book/en/v2 - Bilimsel programlama kütüphaneleri: numpy, scipy, matplotlib, pandas, statsmodels - Python hakkındaki diğer online kaynaklar. - Ders kitapları: 1) McKinney, Wes. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.", 2012. 2) Downey, Allen B. Think Stats: Exploratory Data Analysis in Python, Version 2.0. 30. Green Tea Press, 2014.