BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| EKONOMİ | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| ECO2867 | R ile Veri Bilimi | Bahar | 3 | 0 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | English |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Doç. Dr. OZAN BAKIŞ |
| Dersin Amacı: | Bu ders, programlama bilmeyen öğrencilere R programlama dilinin temellerini ve veri analizi için R'nin nasıl kullanılacağını öğretmeyi hedeflemektedir. Bunu gerçekleştirmek için sadece R istatistik programını kullanabilmek yeterli değildir; aynı zamanda veri temizleme, veri analizi ve görselleştirme için R dili ile program yazabilmek gerekmektedir. Dersin nihai amacı, R kullanarak ham verilerden yeni bilgi ve sezgiler elde etmektir. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. R programını kişisel bilgisayarlarına yükleyerek kişiselleştirme 2. Temel düzeyde R bilgisi elde etme 3. Hazır R paketlerini bulma, yükleme ve kullanma 4. İnternetten veri bulma ve indirme 5. Ham veriyi temizleme ve analiz için kullanıma hazır hale getirme 6. R ile yeniden üretilebilir, dinamik raporlar hazırlama |
Dersin İçeriği
| Derste kullanılacak R programalama dili için gerekli programların (R ve RStudio) kişisel bilgisayarlara nasıl kurulacağı gösterildikten sonra temel düzeyde programlamaya giriş kavramları öğretilecektir. Devamında bu kavramları kullanarak veri temizleme, ve veri analizinin nasıl yapılacağı uygulamalı olarak gösterilecektir. Dersin temel felsefesini yaparak öğrenme oluşturacaktır. Bu sebeple öğrencilerin yaparken hata yapmaları ve hatalarından ders çıkarmaları teşvik edilecektir. Bu öğrenme sürecini güçlendirmek için final sınavı şu şekilde olacaktır: öğrenciler ilk 4 haftada 2-3 kişilik gruplar oluşturacak ve dersin hocasının onayı ile bir veri ve bir konu belirleyeceklerdir. Final sınavının notu, öğrencilerin dönem boyunca üzerinde çalıştıkları projeden elde edilecektir. Öğrenciler, ilk olarak projelerini sözlü olarak sunum yapacaklardır (en fazla 10 dakika). Daha sonra, öğrenciler sundukları projeyi R markdown kullanarak yeniden üretilebilir ve dinamik bir kısa rapor olarak teslim edeceklerdir (maksimum 10 sayfa). |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | R ve Rstudio'ya giriş | R for Data Science, Ch. 1 & 6 |
| 2) | R'ye veri yükleme | R for Data Science, Ch. 11 |
| 3) | Veriyi dönüştürme | R for Data Science, Ch. 5 |
| 4) | Veriyi görselleştirme | R for Data Science, Ch. 3 |
| 5) | Veriyi görselleştirme | R for Data Science, Ch. 3 |
| 6) | Veriyi keşfetme | R for Data Science, Ch. 7 |
| 7) | Veriyi keşfetme | R for Data Science, Ch. 7 |
| 8) | Ara sınav | |
| 9) | Veriyi temizleme | R for Data Science, Ch. 12 & 13 |
| 10) | Veriyi temizleme | R for Data Science, Ch. 12 & 13 |
| 11) | İnternetten veri bulma ve indirme | |
| 12) | İnternetten veri bulma ve indirme | |
| 13) | R markdown | R for Data Science, Ch. 27 |
| 14) | Proje sunumları |
Kaynaklar
| Ders Notları / Kitaplar: | |
| Diğer Kaynaklar: | Wickham, H. and G. Grolemund (2017). R for Data Science, https://r4ds.had.co.nz/ Neth, H. (2022). Data Science for Psychologists, https://bookdown.org/hneth/ds4psy/ |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 14 | % 10 |
| Ara Sınavlar | 1 | % 30 |
| 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 | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 2 | 28 |
| Proje | 1 | 26 | 26 |
| Ara Sınavlar | 1 | 26 | 26 |
| Final | 1 | 30 | 30 |
| Toplam İş Yükü | 152 | ||
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 | |
| 1) | Bir dünya vatandaşı olarak, küresel ekonomik, siyasi, toplumsal ve ekolojik gelişmelerin ve eğilimlerin farkındadır. | 1 |
| 2) | Küresel ve yerel dinamiklerin gerektirdiği teknolojik ilerlemeyi yakınen takip edecek ve öğrenmeyi sürdürebilecek donanıma sahiptir. | 5 |
| 3) | Temel iktisadi ilkeleri ve analiz yöntemlerini özümser ve günlük olayları değerlendirirken kullanır. | 5 |
| 4) | Ekonomi ile ilgili problemleri tanımlarken, bunları analiz ederken ve bulduğu sonuçları ilgili paydaşlarla paylaşırken nicel ve istatistiksel araçları kullanır. | 5 |
| 5) | Ekonomik birimlerin var olan kısıtlar ve teşvikler altında karar alma aşamalarını anlar, bu kararların etkileşimlerini ve olası gelecek etkilerini inceler. | 3 |
| 6) | Dijital teknolojilerin kullanıldığı yeni iş yapma biçimlerini ve yeni piyasa yapılarını kavrar. | 2 |
| 7) | İktisadi ve toplumsal problemleri eleştirel bir yaklaşımla ele alır ve analitik çözümler geliştirir. | 1 |
| 8) | Analitik çözüm üretmek ve nicel araştırma yöntemlerini kullanmak için gerekli matematiksel donanıma sahiptir. | 2 |
| 9) | Katkıda bulunduğu çalışmalarda bireysel ve toplumsal refahı birlikte ve etik bir bakış açısıyla gözetir. | 1 |
| 10) | Ekonomik problemleri disiplinler arası bir yaklaşımla ele alır ve farklı disiplinlerden yararlanarak çözüm arar. | 3 |
| 11) | Bir takımın parçası olarak katkıda bulunduğu çalışmalarda özgün ve yenilikçi fikirler üretir. | 4 |