BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| BÜYÜK VERİ ANALİTİĞİ VE YÖNETİMİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| INE6103 | Çok Değişkenli Veri Analizi | Güz | 3 | 0 | 3 | 9 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | |
| Dersi Veren(ler): |
Prof. Dr. SELİM ZAİM Dr. Öğr. Üyesi YÜCEL BATU SALMAN |
| Opsiyonel Program Bileşenleri: | Yok |
| Dersin Amacı: | Bu doktora dersinin amacı, öğrencilerin çok değişkenli veri analizine ilişkin değişik konuları anlama becerilerini geliştirmek, bilgilerini arttırmak ve konunun uygulamaları ile yorumlanması hakkında pratik deneyim kazanmalarını sağlamaktır. Dersin odak noktası, doğru analizin seçimi, verinin analize hazır hale getirilmesi, çıktının yorumlanması ve karmaşık bulguların sunumu gibi pratik konuları kapsamaktadır. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Çok değişkenli veri analizi için gereken prosedürleri ve programları kullanabilme becerisi geliştirmek. 2. Belirli bir araştırma problemi için uygun çok değişkenli veri analizi tekniğini belirleyebilmek. |
Dersin İçeriği
| Bu ders kapsamında işlenecek konular: Doğrusal ve çoklu regresyon modelleri, kukla değişkenli regresyon modelleri, çoklu doğrusal bağlantı problemi ve çözüm yöntemleri, çok değişkenli veri analiz teknikleri (Yapısal eşitlik modeli, faktör analizi, kovaryans analizi, ayırma analizi). |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş | |
| 2) | Verinin değerlendirilmesi ve temel veri manupulasyonları | |
| 3) | Çoklu regresyon analizi | |
| 4) | Açıklayıcı faktör analizi | |
| 5) | Covaryans temelli Yapısal eşitlik modeli | |
| 6) | Doğrulayıcı Faktör analizi | |
| 7) | Değerlendirme, Arasınav | |
| 8) | Yol analizi: Kovaryans temelli yapısal eşitlik modelinde | |
| 9) | Varyans temelli yapısal eşitlik modeli | |
| 10) | Yol analizi: Varyans temelli yapısal eşitlik modeli altında | |
| 11) | Sinir ağları analizi | |
| 12) | Ayırma (Diskriminant) analizi | |
| 13) | Kümeleme analizi | |
| 14) | Problemler, gözden geçirme |
Kaynaklar
| Ders Notları / Kitaplar: | • Multivariate Data Analysis by Joseph F. Hair, Jr,, William C. Black, Barry J. Babin, Rolph E. Anderson, 7/E, Pearson, 2010. • Applied Multivariate Techniques by Subhash Sharma. John Wiley & Sons, Inc. 1996. • Regression Analysis by Example by Samprit Chatterjee and Ali S. Hadi. John Wiley & Sons, Inc. 2006. |
| Diğer Kaynaklar: | Various |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
AKTS / İş Yükü Tablosu
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 13 | 3 | 39 |
| Sınıf Dışı Ders Çalışması | 14 | 6 | 84 |
| Ödevler | 5 | 5 | 25 |
| Ara Sınavlar | 1 | 15 | 15 |
| Final | 1 | 25 | 25 |
| Toplam İş Yükü | 188 | ||
Program ve Öğrenme Kazanımları İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |