| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Pyhton ve R İle Veri Analizi | EKO 458 | 8 | 2 + 0 | 2 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | Python İstatistik Veri Tabanı Yönetim Sistemleri |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ALPASLAN KİBAR |
| Dersi Verenler | Dr.Öğr.Üyesi ALPASLAN KİBAR, |
| Dersin Yardımcıları | Dr.Öğr.Üyesi ALPASLAN KİBAR |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Python ve R programlama dilleri ile programlama becerisine sahip olma. Bu programlama dillerine ait veri analizi kütüphanelerini tanıyarak etkin kullanabilme. Python ve R programlama dilleri ile veri analizi uygulamaları gerçekleştirebilme. |
| Dersin İçeriği | Temel veri tipleri, Temel kontrol yapıları, Data list oluşturulması ve kullanımı, Matrislerin kullanımı, Diziler, Çok boyutlu diziler, Data frame kullanımı, Veri Analizi |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Karar verme ve tekrarlı yapıları program kodlarında kullanabilir | Anlatım, Alıştırma ve Uygulama, Problem Çözme, Proje Temelli Öğrenme , | Ödev, Proje / Tasarım, |
| 2 | Fonksiyonları programın etkinliğini sağlamak için kullanabilir | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme, | Ödev, Proje / Tasarım, |
| 3 | Python programını etkin bir şekilde algoritmalar kullanarak yazabilir | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Gösterip Yaptırma, Proje Temelli Öğrenme , | Sınav, Ödev, |
| 4 | pandas kütüphanesi kullanarak veri analizi yapabilir. | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Proje Temelli Öğrenme , | Sınav, Ödev, |
| 5 | pandas-profiling kütüphanesi kullanarak detaylı veri analizi yapabilir. | Anlatım, Alıştırma ve Uygulama, Gösterip Yaptırma, Problem Çözme, | Sınav, Ödev, |
| 6 | Sınıflandırma ve Kümeleme teknikleri hakkında fikir başlangıç seviyesinde bilgi sahibidir. | Anlatım, Tartışma, Problem Çözme, Ödev, | Sınav, Ödev, Proje / Tasarım, |
| 7 | Python ile eknomotri alanında kullanılabilecek bazı istatistiksel yöntemleri kodlayabilir. | Anlatım, Tartışma, Örnek Olay, Ödev, | Sınav, Ödev, Proje / Tasarım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Tanışma, Öneriler, Python Kurulumu | |
| 2 | Python Veri Tipleri | |
| 3 | Python Fonksiyonlar ve IDLE ile Calismak | |
| 4 | Python Kontrol Yapilari | |
| 5 | Python Tekrar Yapilari | |
| 6 | Python Listeler | |
| 7 | Tupler ve Sozlukler | |
| 8 | Python Modüller | |
| 9 | Python SQLLITE | |
| 10 | Veri Kaynaklari ve Veri OnIsleme | |
| 11 | Python ile Birliktelik Analizi (Apriori) | |
| 12 | Python ile Dogrusal Regresyon | |
| 13 | Python ile Görüntü İşleme | |
| 14 | Öğrenci çalışmalarının değerlendirilmesi, dönemin değerlendirilmesi |
| Kaynaklar | |
|---|---|
| Ders Notu | 14 haftalık ders notları sabiste dökümanlar kısmında yüklüdür. Mevcut notlar öğrenci profiline göre güncellenmektedir. |
| Ders Kaynakları | Python 3 için Türkçe Kılavuz 3. sürüm, Fırat Özgül Yeni başlayanlar için Python, Ahmet Aksoy |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Gerçek hayattaki ekonomik olaylara ve sorunlara yaklaşımlarında geniş bir perspektiften ekonomik konularda analitik olarak tutarlı fikirler oluşturma ve savunma becerisine sahip olma. | X | |||||
| 2 | Mikro ve makro ekonomik sorunlara çözüm bulmak için temel ekonometri ve istatistiksel teorileri kullanma becerisine sahip olmak. | ||||||
| 3 | Türkçe'nin yanı sıra yabancı dilde yazılı (ve tercihen sözlü) iletişim becerisine sahip olmak. | ||||||
| 4 | Genel ekonometrik teori bilgisi. | ||||||
| 5 | Hem kamu hem de özel sektörün ihtiyaç duyduğu yüksek vasıflı personelde olması gereken yeterli düzeyde hukuk bilgisine sahip olmak. | ||||||
| 6 | Hem temel bilgisayar (word, excel gibi programlarda) hem de en az bir istatistiksel bilgisayar programını (SPSS, Eviews, Gauss, Stata vb.) kullanabilmek | X | |||||
| 7 | Matematiksel, ekonomik, istatistiksel ve ekonometrik olarak analiz etme becerisi kazanmak | X | |||||
| 8 | Sayısal ve istatistiksel araştırma becerisine ve düşünme becerisine sahip, bunlar doğrultusunda alınacak kararların sonuçlarını tahmin edebilme ve doğru tahminlerde bulunabilme; nedensel ilişkileri göz önünde bulunduran, analitik düşünce yapısına sahip ve stratejik bir yaklaşım geliştirebilme | X | |||||
| 9 | Sözlü ve yazılı iletişimde bu nitelikleri kullanabilmek için kelime anlamı, kompozisyon kuralları ve gramer gibi yabancı dil bilgisine sahip olmak | ||||||
| 10 | Toplumsal, bilimsel ve mesleki etik değerlerin bilincinde olmak | ||||||
| 11 | Türkçe yazılı ve sözlü iletişim becerisine sahip olmak | ||||||
| 12 | Takım çalışmasına uyumlu, inisiyatif sahibi, yenilikçi fikirlere açık ve analitik düşünme becerisine sahip olmak | X | |||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 100 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 30 |
| 1. Final | 70 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 2 | 32 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 12 | 2 | 24 |
| Ara Sınav | 1 | 14 | 14 |
| Kısa Sınav | 2 | 7 | 14 |
| Ödev | 1 | 7 | 7 |
| Final | 1 | 28 | 28 |
| Toplam İş Yükü | 119 | ||
| Toplam İş Yükü / 25 (Saat) | 4,76 | ||
| Dersin AKTS Kredisi | 5 | ||