Akademik Birim: |
Yönetim Bilişim Sistemleri |
Öğrenim Türü: |
Örgün Eğitim |
Ön Koşullar |
Yok |
Öğrenim Dili: |
İngilizce |
Dersin Düzeyi: |
Lisans |
Dersin Koordinatörü: |
Hasan DAĞ |
Dersi Veren(ler): |
Mehmet Aydın, Hasan DAĞ |
Dersin Amacı: |
Veri biliminin/bilimcisinin ne olduğunu öğrenmek
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): |
- 1- Veri proses etmenin yollarını ve önemini anlama,
- 2- Veri bilimi aracı olarak R dilini kullanabilme,
- 3- Verinin, işlemenin ve bilgi üretmenin önemi ve kullanımının anlama,
- 4- Veri işlemenin ve bilgi üretmede R dilini kullanma
|
Dersin Öğrenme Yöntem ve Teknikleri |
Ders, ödevler, sınıf içi ara sınav ve final sınavı. |
Hafta | Konular | Ön Hazırlık |
1 |
Examples, data science articulated, history and context, technology landscape |
|
2 |
Data Science Tools : Introduction to R basics |
|
3 |
R Data Types and reading data in and writing out |
|
4 |
Control structures and Loops in R |
|
5 |
Functions and Libraries |
|
6 |
Visualization |
|
7 |
Data Sources: How to obtain data, transform and manage |
|
8 |
Data Preparation with R |
|
9 |
Midterm exam |
|
10 |
Analytics: Topics in statistical modeling: basic concepts, experiment design, pitfalls |
|
11 |
Databases and the relational algebra |
|
12 |
Visualization, data products, visual data analytics |
|
13 |
Provenance, privacy, ethics, governance |
|
14 |
Graph Analytics: structure, traversals, analytics, PageRank community detection, recursive queries, semantic web |
|
Kadir Has Üniversitesi'nde bir dönem 14 haftadır, 15. ve 16. hafta sınav haftalarıdır.