| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Çok Değişkenli İstatistik Analiz Yöntemleri | VBA 016 | 0 | 2 + 0 | 2 | 3 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. MEHMET BARIŞ HORZUM |
| Dersi Verenler | Prof.Dr. MEHMET BARIŞ HORZUM, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Çok değişkenli veri matrisine uygun yöntemin seçilmesi, varsayımların sınanması ve analizlerin yapılabilmesi becerisinin kazandırılması amaçlanmaktadır. |
| Dersin İçeriği | Çok değişkenli verinin düzenlenmesi ve dönüştürülmesi, veri matrisinin bir araya getirilmesi, boyut indirgeme ve sınıflandırmaya yönelik farklı yöntemleri karşılaştırma, varsayımların incelenmesi, analizi uygulama |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Çok değişkenli veriyi açıklar | Anlatım, Soru-Cevap, | Ödev / Evde-Çöz Sınavlar, |
| 2 | Boyut indirgeme yöntemlerini ayrıt eder | Problem Çözme, Deney ve Laboratuvar, | Ödev / Evde-Çöz Sınavlar, |
| 3 | Gruplandırmaya yönelik yöntemlerini sıralar | Anlatım, Soru-Cevap, Bireysel Çalışma, | Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), |
| 4 | Elindeki veriye en uygun analiz yöntemini ayırt eder | Problem Çözme, Deney ve Laboratuvar, | Ödev / Evde-Çöz Sınavlar, |
| 5 | Verileri paket programlar kullanarak analiz edip ve elde ettiği sonuçları yorumlar. | Bireysel Çalışma, Tartışma, | Ödev / Evde-Çöz Sınavlar, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Çok değişkenli analizde veri matrisinin oluşturulması ve tanımlayıcı istatistikler | |
| 2 | Çok değişkenli grafikler, standartlaştırma ve çok değişkenli normal dağılım | |
| 3 | Çok değişkenli aşırı gözlemler ve eksik verilerin incelenmesi, uzaklık ve benzerlik ölçüleri | |
| 4 | Çok değişkenli hipotez testleri | |
| 5 | Faktör analizi ve varsayımları | |
| 6 | Faktör analizi uygulamaları | |
| 7 | Ara Sınav | |
| 8 | Kümeleme analizi ve varsayımları | |
| 9 | Kümeleme analizi uygulamaları | |
| 10 | Çoklu Regresyon Modeli ve varsayımları | |
| 11 | Çoklu Regresyon uygulamaları | |
| 12 | Lojistik regresyon ve varsayımları | |
| 13 | Lojistik regresyon uygulamaları | |
| 14 | Genel tekrar |
| 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. | X | |||||
| 2 | Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir | X | |||||
| 3 | Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir | X | |||||
| 4 | Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir | X | |||||
| 5 | Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir | X | |||||
| 6 | Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir | X | |||||
| 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. | X | |||||
| 9 | Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir | X | |||||
| 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 | X | |||||
| 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 | X | |||||
| # | 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 | Çok değişkenli veriyi açıklar | 1 | 2 | 3 | 2 | 4 | 2 | 3 | |||||
| 2 | Boyut indirgeme yöntemlerini ayrıt eder | 2 | 4 | 5 | 3 | 2 | 3 | 4 | |||||
| 3 | Gruplandırmaya yönelik yöntemlerini sıralar | ||||||||||||
| 4 | Elindeki veriye en uygun analiz yöntemini ayırt eder | ||||||||||||
| 5 | Verileri paket programlar kullanarak analiz edip ve elde ettiği sonuçları yorumlar. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 60 |
| 1. Ödev | 40 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 2 | 28 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 1 | 14 |
| Ödev | 1 | 6 | 6 |
| Ara Sınav | 1 | 10 | 10 |
| Final | 1 | 15 | 15 |
| Toplam İş Yükü | 73 | ||
| Toplam İş Yükü / 25 (Saat) | 2,92 | ||
| dersAKTSKredisi | 3 | ||