Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Uygulamalı İş Analitiği | UYS 517 | 0 | 3 + 0 | 3 | 6 |
Ön Koşul Dersleri | Yok |
Önerilen Seçmeli Dersler | |
Dersin Dili | Türkçe |
Dersin Seviyesi | YUKSEK_LISANS |
Dersin Türü | Seçmeli |
Dersin Koordinatörü | Doç.Dr. EMRAH AYDEMİR |
Dersi Verenler | Doç.Dr. EMRAH AYDEMİR, |
Dersin Yardımcıları | Yok |
Dersin Kategorisi | Diğer |
Dersin Amacı | Günümüzü işletmeciliğindeki iki ana gelişme elele gitmektedir: operasyonların giderek daha fazla bilgisayarlı hale gelmesi, ve kararların giderek daha fazla verilere dayalı olması. Farklı tür ve büyüklüklerde de olsalar çoğu şirket için verilerin zamanında, kesin, ve karlı kararlar vermek için etkili şekilde kullanımı kritik bir stratejik avantaj unsuru haline gelmiştir. Bu yüzden modern işletme iş analitiğinden ayrılamaz. Bu dersin amacı işletme öğrencilerine iş verilerini iş kararlarını yönlendirecek içgörüye dönüştürmeleri için gerekli kavram, yöntem ve araçları öğretmektir. Bu amaçla derste temel veri analizi tekniklerinin -operasyonelden ziyade- işlevsel bir kavrayışına ve bunun temel yazılım araçları kullanarak farklı iş problemlerine uygulanışına bir başlangıç kazandırılmaktadır. Dersin temel ekseni bu tekniklerin iş kararları için içgörü sağlamadaki katkısıdır. Bu anlamda ders veri ve analiz konusunda bir farkındalık oluşturma, ve veri analizinin işte değer yaratmak konusunda sunduğu fırsatları belirleyebilme becerisi kazandırma hedefindedir. Bu ders aynı zamanda büyük veri diye adlandırılan veri setlerini ve onların analizine özgü gereksinim ve yaklaşımları da kapsamaktadır.
|
Dersin İçeriği | Bu ders veri analizi için gerekli yöntem ve araçlara odaklanır. Yaygın bir istatistik platformunun (R) veri yönetimi gibi temel işler için kullanımını kapsar. Keşifsel veri görselleştirme ve özetleme yöntemlerinden başlayan ders temel öngörü yöntemlerinden (örn. Doğrusal modeller) daha karmaşık yöntemlere (veri madenciliği, karar ağacı veya birleşme kuralı analizi gibi) ilerler. Öğrenciler iş problemlerini analiz problemlerine dönüştürmeki ve bunların çözümünü aramak konusunda hem kuramsal bilgi hem de uygulamalı beceriler edinirler. Bu yöntemler bilinen problemler kadar yeni ve az bilinen problemlere de uygulanabilmesi amacıyla çevik problem çözme sistematiğine oturtularak uygulanırlar. |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | Verilen yönteme uygun yaygın iş analitiğindeki akışlarını oluşturabilirler. | Problem Çözme, Tartışma, | Ödev, |
2 | R istatistik platformu ile veriyi hazırlayarak çoğu algoritmaya uygun, temizlenmiş veri seti oluştururlar. | Bireysel Çalışma, | Ödev, |
3 | Verilen bir iş problemi için keşifsel yöntem ve öngörü yöntemlerinden hangisinin gerektiğini belirleyebilirler. | Problem Çözme, | Ödev, |
4 | Verilen veri setinin eldeki iş problemini çözmeye uygun görsel ve sayısal özetlerini üretebilirler. | Problem Çözme, | Ödev, |
5 | Öngörü modelleri üretebilirler. | Bireysel Çalışma, Deney / Laboratuvar, | Ödev, |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Giriş, kavramlar | |
2 | Analitik süreci, tahminleme | |
3 | Keşifsel analitik ve veri görselleştirme | |
4 | Doğrusal regresyon | |
5 | Model değerlendirme | |
6 | Bayes tasnifi | |
7 | Regresyon ağaçları ve tasnif modeli değerlendirme | |
8 | Lojistik regresyon ve profilleme | |
9 | Eşleşme kuralları | |
10 | Kümeleme analizi | |
11 | Zaman serileri | |
12 | Zaman serileri tahminleme | |
13 | Büyük veri teknikleri ve teknoloji yığını, örnek: veri özetleme | |
14 | İleri teknikler: metin analizi, sosyal ağ analizi |
Kaynaklar | |
---|---|
Ders Notu | Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons.
ISBN: 978-1-118-87936-8 |
Ders Kaynakları | Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl Jr, K. C. (2017). Data mining for business analytics: concepts, techniques, and applications in R. John Wiley & Sons.
ISBN: 978-1-118-87936-8 |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 | Yeni nesil bilişim temelli iş analitiği tekniklerini kullanabilir ve bu yöntemleri işletme problemlerine uygular | X | |||||
2 | Geliştirilen çözümleri İş Zekası araçları gibi bilişim teknolojileri ile sunar | X | |||||
3 | Operasyonel işlerin yürütülebilmesi için gerekli rutin kararları bilişim teknolojileri yardımıyla verir | X | |||||
4 | Orta ve uzun vadeli stratejik kararları bilişim sistemleri yardımıyla oluşturur | X | |||||
5 | İşletme süreçlerini bilişim sistemleri yardımıyla elektronik biçime dönüştürebilir | X | |||||
6 | Elektronik dönüşümü gerçekleşmiş süreçlerin sürdürülebilirliğine katkı sağlar | X | |||||
7 | Alan ile ilgili temel seviyede literatür taraması yapar | X | |||||
8 | Araştırma metodolojisi hakkında bilgi sahibi olur ve bu bilgiyi bilişim konularına uygular | X | |||||
9 | Takım çalışmalarında ekip içi iletişimi sağlayarak çalışma grubuna liderlik yapar | X | |||||
10 | Bilişim projeleri yönetiminde grup iletişimi teknolojilerini etkin bir şekilde kullanır | X |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 100 |
Toplam | 100 |
1. Final | 70 |
1. Yıl İçinin Başarıya | 30 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ara Sınav | 1 | 10 | 10 |
Final | 1 | 20 | 20 |
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
Ödev | 1 | 16 | 16 |
Toplam İş Yükü | 142 | ||
Toplam İş Yükü / 25 (Saat) | 5,68 | ||
Dersin AKTS Kredisi | 6 |