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 |
SEN4103 | R ile Veri Analizi | 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: | Hibrit |
Dersin Koordinatörü: | Dr. Öğr. Üyesi ÖZGE YÜCEL KASAP |
Dersin Amacı: | Bu derste öğrenciler, R'de nasıl programlama yapılacağını ve etkili veri analizi ve görselleştirme için R'nin nasıl kullanılacağını öğreneceklerdir. |
Bu dersi başarıyla tamamlayabilen öğrenciler; R kodu yazarak R'nin temel sözdizimini anlamak Veri türleri, yineleme, kontrol yapıları, işlevler ve boole operatörleri gibi kritik programlama dili kavramlarını R programları yazmak ve örnekler aracılığıyla uygulamak Rstudio kullanarak çeşitli veri formatlarını R'ye aktarmak Analiz için verileri hazırlamak veya düzenlemek" SQL ve R kullanarak veri sorgulamak R'de bir veri kümesini analiz etmek ve uygun R paketlerini kullanarak bulguları sunmak ggplot2 ve diğer R paketlerini kullanarak veri özelliklerini görselleştirmek |
R programlama dili, veri analiz sürecinin tüm aşamalarında verilerle çalışmak üzere tasarlanmıştır. Bu derste öğrenciler, R'nin işlevleri ve diğer süreçleri kullanarak verileri yapılandırmaya, düzenlemeye ve temizlemeye nasıl yardımcı olabileceğini inceleyecekler. R ile ilgili temel kavramları keşfedecekler. |
Hafta | Konu | Ön Hazırlık | |
1) | • R nedir? • R ve RStudio'yu yükleme • RStudio'ya Genel Bakış • Konsolda Çalışmak • Aritmetik operatörler • Mantıksal İşlemler • İşlevleri Kullanma | ||
2) | "Veri yapıları, değişkenler ve veri türleri • Değişkenler Oluşturma • Sayısal, Karakter ve Mantıksal Veriler • Vektörler • Veri Çerçeveleri • Faktörler • Sayısal, Karakter ve Faktör Vektörlerini Sıralama • Özel Değerler" | ||
3) | "R paketleri ve komut dosyaları • Paketleri kurma ve yükleme • Çalışma dizininizi ayarlama • Verileri indirme ve içe aktarma • Eksik verilerle çalışma • Bir veri çerçevesinin alt kümesinin çıkarılması • R komut dosyaları yazmak • Yorum ve belge ekleme • Rapor oluşturma" | ||
4) | "R'de tanımlayıcı istatistikler • Merkezi Eğilim Ölçüleri • Değişkenlik ölçüleri • Çarpıklık ve basıklık • Gruplara göre özet işlevler, işlevleri açıklama ve tanımlayıcı istatistikler • Korelasyonlar" | ||
5) | "İstatistiksel grafikler • Dağılım Grafikleri • Kutu Grafikleri • Dağılım Grafikleri ve Boxand-Whisker Grafikleri • Histogramlar" | ||
6) | "Dağınık verilerle çalışma • Dağınık Veriler • Sütunları Yeniden Adlandırma (Değişken Adları) • Takma / Çıkarma • Verilerin Tablolanması: Basit Frekans Tablolarının Oluşturulması • Faktör Değişkenlerini Sıralama" | ||
7) | "koşullu ifadeler • Eğer / başka • Boole mantıksal operatörleri • while döngüleri • döngüler için" | ||
8) | "Veri keşfi ve görselleştirme • Verileri görselleştirmek için ggplot2 paketini kullanma • Grafikleri ve grafikleri hassaslaştırmak ve özelleştirmek için ggthemes'ten temalar uygulamak • Dinamik raporlama için veri grafikleri oluşturma" | ||
9) | "Veri sorgulama: SQL ve R • R'de SQL ifadeleri yazma • Select, From, Where, Is, Like, Order By, Limit, Max, Min SQL fonksiyonlarını kullanma" | ||
10) | "Yazma işlevleri • İşlev oluşturma • Arama işlevleri" | ||
11) | "Rmarkdown ile etkileşimli raporlama • RMarkdown temelleri • Metin biçimlendirme • Kod parçaları • YAML başlığı • Not defterlerinin, sunumların, web sitelerinin ve gösterge tablolarının önizlemesi" | ||
12) | "R'de Makine Öğrenimi Projesi Sınıflandırma ve Regresyon Ağaçları (CART). k-En Yakın Komşular (kNN)." | ||
13) | "R'de Makine Öğrenimi Projesi Doğrusal bir çekirdeğe sahip Vektör Makinelerini (SVM) destekleyin. Rastgele Orman (RF)" | ||
14) | Vaka Analizi |
Ders Notları: | Wickham, H. & Grolemund, G. (2018). for Data Science. O’Reilly: New York. |
Diğer Kaynaklar: | R: http://www.r-project.org/ RStudio (additional libraries required): http://www.rstudio.com/" |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | % 0 | |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | 2 | % 40 |
Sunum | % 0 | |
Projeler | % 0 | |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 20 |
Ara Juri | % 0 | |
Final | 1 | % 40 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
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 | 3 | 42 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 0 | 0 | 0 |
Ödevler | 2 | 9 | 18 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 6 | 3 | 18 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 6 | 3 | 18 |
Toplam İş Yükü | 138 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |