| ENDÜSTRİ 4.0 (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| ECO2867 | R ile Veri Bilimi | Güz | 3 | 0 | 3 | 6 |
| Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | En |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| 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. |
|
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 |
| 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). |
| 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 | ||
| Ders Notları: | |
| 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/ |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 14 | % 10 |
| Laboratuar | % 0 | |
| Uygulama | % 0 | |
| Arazi Çalışması | % 0 | |
| Derse Özgü Staj | % 0 | |
| Küçük Sınavlar | % 0 | |
| Ödev | % 0 | |
| Sunum | % 0 | |
| Projeler | % 0 | |
| Seminer | % 0 | |
| Ara Sınavlar | 1 | % 30 |
| Ara Juri | % 0 | |
| Final | 1 | % 60 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Laboratuvar | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Derse Özgü Staj | 0 | 0 | 0 |
| Arazi Çalışması | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışması | 14 | 2 | 28 |
| Sunum / Seminer | 0 | 0 | 0 |
| Proje | 1 | 26 | 26 |
| Ödevler | 0 | 0 | 0 |
| Küçük Sınavlar | 0 | 0 | 0 |
| Ara Juri | 0 | 0 | 0 |
| Ara Sınavlar | 1 | 26 | 26 |
| Rapor Teslimi | 0 | 0 | 0 |
| Juri | 0 | 0 | 0 |
| Final | 1 | 30 | 30 |
| Toplam İş Yükü | 152 | ||
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |