| 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 |
| ECO3564 | Python ile Programlama | Güz | 3 | 0 | 3 | 6 |
| Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | Tr |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Hibrit |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi GÖKHAN ŞAHİN GÜNEŞ |
| Dersin Amacı: | Amaç, öğrencilere ekonomik, sosyal ve politika konularını analiz etmek için gereken verileri nasıl arayacaklarını, görselleştireceklerini ve analiz edeceklerini göstermektir. Kamuya açık verilere dayanan bir dizi deneysel proje uygulanarak öğrencilere çağdaş toplumlar için yüksek önem taşıyan konularda (eşitsizlik, sosyal refah, iklim değişikliği, halk sağlığı sorunları, vb.) gerçek dünya verileriyle uygulamalı deneyim kazanma fırsatı verilecektir. İşsizliğin maliyetini ölçmek, dünyadaki bankacılık sistemlerini veya yönetim uygulamalarını karşılaştırmak vb. gibi önemli konular, öğrencilerin kolayca erişebilecekleri verilerle ve ücretsiz olarak kullanılabilen programlama dili (Python) ile adım adım bir araştırma konusu halinde incelenecektir. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Veri derleme, veri işleme, veri temizleme süreçlerinin gerektirdiği yazılım ve istatistiksel beceriler 2. Çeşitli veri setleri ve çeşitli programların nasıl harmanlanacağını öğrenme 3. Ekonomi, İşletme ve Finans alanlarında kazanılan teorik ve pratik bilgi ve becerileri araştırma, uygulama ve saha analizlerinde nasıl kullanıldığını belirleyebilme ve uygulayabilme 4. İleriye dönük tahminler yapmada istatistik araçlardan yararlanma 5. Teknik istatistiki analizler yapabilecek iyi bir istatistik bilgisi edinme. |
| Temel programlama kavramları ile birlikte derste kullanılacak Python programlama dili tanıtılacaktır. Programlamaya giriş kavramları çerçevesinde veri temizleme, görselleştirme ve manipüle etme yöntemleri öğretilecektir. Temel felsefesi yaparak öğrenme olan bu derste öğrenciler, çağdaş toplumlar için önem taşıyan alanlarda (eşitsizlik, refah, kamu malları gibi) gerçek veriler ile ampirik uygulamalar yapmaya teşvik edilecektir. |
| Hafta | Konu | Ön Hazırlık | |
| 1) | Python'a Giriş | Yazılım / ders notları | |
| 2) | Deneylerden veri toplama ve analiz etme | Yazılım / ders notları | |
| 3) | Uygulama: İklim Değişikliğini Ölçmek | Yazılım / ders notları | |
| 4) | Uygulama: İklim Değişikliğini Ölçmek | Yazılım / ders notları | |
| 5) | Uygulama: Şeker vergisinin etkisinin ölçülmesi | Yazılım / ders notları | |
| 6) | Uygulama: Şeker vergisinin etkisinin ölçülmesi | Yazılım / ders notları | |
| 7) | Uygulama: Refahı ölçmek | Yazılım / ders notları | |
| 8) | Uygulama: Refahı ölçmek | Yazılım / ders notları | |
| 9) | Uygulama: Eşitsizliğin ölçülmesi / Lorenz eğrileri ve Gini katsayıları | Yazılım / ders notları | |
| 10) | Uygulama: Eşitsizliğin ölçülmesi / Lorenz eğrileri ve Gini katsayıları | Yazılım / ders notları | |
| 11) | Ölçüm yönetimi uygulamaları | Yazılım / ders notları | |
| 12) | Ölçüm yönetimi uygulamaları | Yazılım / ders notları | |
| 13) | Uygulama: Arz ve talep | Yazılım / ders notları | |
| 14) | Uygulama: Arz ve talep | Yazılım / ders notları | |
| Ders Notları: | • "Doing Economics” by Eileen Tipoe and Ralf Becker. Link: https://www.core-econ.org/doing-economics/index.html • “Python Machine Learning”, by Wei-Meng Lee, John Wiley & Sons, Inc. (2019). • “R projects (for Dummies)”, by Joseph Schmuller, 2018, John Wiley & Sons, Inc., Hoboken, New Jersey. |
| Diğer Kaynaklar: |
| 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 | 6 | % 50 |
| Seminer | % 0 | |
| Ara Sınavlar | % 0 | |
| Ara Juri | % 0 | |
| Final | 1 | % 40 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 10 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 90 | |
| Toplam | % 100 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |