DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Veri Bilimi Araçlarına Giriş DSE 501 Güz 03+00+00 Seçmeli 3 7.5
Akademik Birim: Yönetim Bilişim Sistemleri
Öğrenim Türü: Örgün eğitim
Ön Koşullar Yok
Öğrenim Dili: İngilizce
Dersin Düzeyi: Yüksek Lisans
Dersin Koordinatörü: Hasan DAĞ
Dersin Amacı: 1) Veri biliminin/bilimcisinin ne olduğunu öğrenmek,
2) Veri bilimcisinin yaptığı bazı analizleri yapabilmek.
Dersin İçeriği: Veri bilimcisinin rolü, veri biliminin dikey kullanım vakaları ve iş uygulamaları. Nereden ve nasıl veri elde edilir, veri kaynakları ve değerlendirme metotları, veri dönüştürme ve hazırlama. İstatistik model ve metotlar: tahmin-tanımlama, keşif amaçlı veri analizi, iletişim, görselleştirme, veri ön hazırlığı, veri mühendisliği; büyük veri, kodlama, etik değerler, doğru soruyu sorma.
Dersin Öğrenme Çıktıları (ÖÇ):
    Dersin Öğrenme Yöntem ve Teknikleri Ders, ödevler, sınıf içi ara sınav ve final sınavı.


    HAFTALIK PROGRAM

    HaftaKonularÖn Hazırlık


    ZORUNLU ve ÖNERİLEN OKUMALAR

    -Textbook1: Practical Data Science with R, N. Zumel and J. Mount, Manning Publications, 2014, ISBN 9781617291562 
    -(Free e-book on) An Introduction to Data Science with R, D. Smith (Internet)


    DİĞER KAYNAKLAR

    Internet


    DEĞERLENDİRME SİSTEMİ

    Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
    Total: 0 0


    İŞ YÜKÜ HESAPLAMASI

    EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
    Toplam İş Yükü (saat):0


    PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

    # PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9
    Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
    Veri Bilimi Araçlarına Giriş DSE 501 Güz 03+00+00 Seçmeli 3 7.5
    Akademik Birim: Yönetim Bilişim Sistemleri
    Öğrenim Türü: Örgün eğitim
    Ön Koşullar Yok
    Öğrenim Dili: İngilizce
    Dersin Düzeyi: Yüksek Lisans
    Dersin Koordinatörü: Hasan DAĞ
    Dersin Amacı: 1) Veri biliminin/bilimcisinin ne olduğunu öğrenmek,
    2) Veri bilimcisinin yaptığı bazı analizleri yapabilmek.
    Dersin İçeriği: Veri bilimcisinin rolü, veri biliminin dikey kullanım vakaları ve iş uygulamaları. Nereden ve nasıl veri elde edilir, veri kaynakları ve değerlendirme metotları, veri dönüştürme ve hazırlama. İstatistik model ve metotlar: tahmin-tanımlama, keşif amaçlı veri analizi, iletişim, görselleştirme, veri ön hazırlığı, veri mühendisliği; büyük veri, kodlama, etik değerler, doğru soruyu sorma.
    Dersin Öğrenme Çıktıları (ÖÇ):
      Dersin Öğrenme Yöntem ve Teknikleri Ders, ödevler, sınıf içi ara sınav ve final sınavı.


      HAFTALIK PROGRAM

      HaftaKonularÖn Hazırlık


      ZORUNLU ve ÖNERİLEN OKUMALAR

      -Textbook1: Practical Data Science with R, N. Zumel and J. Mount, Manning Publications, 2014, ISBN 9781617291562 
      -(Free e-book on) An Introduction to Data Science with R, D. Smith (Internet)


      DİĞER KAYNAKLAR

      Internet


      DEĞERLENDİRME SİSTEMİ

      Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
      Total: 0 0


      İŞ YÜKÜ HESAPLAMASI

      EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
      Toplam İş Yükü (saat):0


      PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

      # PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9