| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Veri Analitiği | VBA 201 | 3 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Arş.Gör. ALİ HÜSAMEDDİN ATEŞ |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | |
| Dersin İçeriği | Veri analitiği anlamsız verinin işlenerek kullanışlı bilgi elde etme bilimidir. Bilgi her alanda daha iyi karar vermeyi sağlar. Dersin kapsamında veri analitiği uygulamaları, veri toplama ve temizleme araçları, veri analitiği yöntemlerini anlatmayı amaçlamaktadır. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Veri analitiği hakkında kapsamlı bilgiye sahip olur. | ||
| 2 | Geniş bir aralıkta veri analitiği tekniklerini bilir. | ||
| 3 | Yoğun veri kullanımı olan uygulamalarda karşılaşılan veri analitiği problemlerine çözüm üretir. | ||
| 4 | Yüksek hacimli verileri anlamlandırabilmek için gerekli veri analitiği araçlarına hâkim olur. | ||
| 5 | Veriyi toplamak, temizlemek ve depolamak için gerekli teknolojilere hakkında detaylı bilgiye sahip olur. |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Temel Tanımlar: Veri, Veri Analitiği | |
| 2 | Veri analitiği yöntemleri, uygulama örnekleri | |
| 3 | Veri Toplama ve Temizleme Yöntemleri | |
| 4 | Modelleme ve Sınıflandırma | |
| 5 | Modelleme ve Sınıflandırma | |
| 6 | Lineer Olasılık Modeli(LPM) | |
| 7 | Lineer Olasılık Modeli uygulaması | |
| 8 | Benzerlik yöntemleri | |
| 9 | Benzerlik yöntemleri uygulaması | |
| 10 | Kümeleme yöntemleri | |
| 11 | Kümeleme yöntemleri uygulaması | |
| 12 | Boyut azaltıcı yöntemler | |
| 13 | Boyut azaltıcı yöntemler uygulaması | |
| 14 |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Veri Biliminde matematik konusunda yeterli bilgi birikimine ve bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık veri bilimi problemlerinin çözümünde kullanabilme becerisine sahiptir. | ||||||
| 2 | Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir | ||||||
| 3 | Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir | ||||||
| 4 | Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir | ||||||
| 5 | Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir | ||||||
| 7 | Yenilikçi fikirler ve yöntemler geliştirme kabiliyetine; veri bilimi ve analitiği alanında veri işleme süreçlerinde yeni yaklaşımlar ortaya koyabilme becerisine sahiptir | ||||||
| 8 | Gereksinim duyulan veri ve bilgileri tanımlama, erişme ve değerlendirme, veri yönetimi ve analitiği alanında yetkindir. | ||||||
| 9 | Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir | ||||||
| 10 | Yapılan çalışmaların sonuçlarını etkili bir şekilde aktarabilir ve teknik ve karmaşık konuları anlaşılır bir şekilde sunabilir | ||||||
| 11 | Veri bilimi ve analitiği uygulamalarının sosyal ve çevresel etkilerinin farkındadır ve bu bağlamda uyum sağlayabilir | ||||||
| 12 | Veri toplama, analiz etme ve raporlama süreçlerinde toplumsal, bilimsel ve etik değerler hakkında bilgi sahibidir; etik ilkeleri gözetir ve toplumun faydasını ön planda tutar | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Veri analitiği hakkında kapsamlı bilgiye sahip olur. | ||||||||||||
| 2 | Geniş bir aralıkta veri analitiği tekniklerini bilir. | ||||||||||||
| 3 | Yoğun veri kullanımı olan uygulamalarda karşılaşılan veri analitiği problemlerine çözüm üretir. | ||||||||||||
| 4 | Yüksek hacimli verileri anlamlandırabilmek için gerekli veri analitiği araçlarına hâkim olur. | ||||||||||||
| 5 | Veriyi toplamak, temizlemek ve depolamak için gerekli teknolojilere hakkında detaylı bilgiye sahip olur. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Kısa Sınav | 2 |
| 2. Kısa Sınav | 3 |
| 1. Ödev | 2 |
| 2. Ödev | 3 |
| 1. Ara Sınav | 30 |
| Toplam | 40 |
| 1. Final | 60 |
| Toplam | 60 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|