MATH 485 | Ders Tanıtım Bilgileri - Matematik

Dersin Adı

Veri Analizi

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
MATH 485	Güz/Bahar	3	0	3	8

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	Yüz Yüze
Dersin Öğretim Yöntem ve Teknikleri	Deney / Laboratuvar / Atölye uygulama Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Doç. Dr. Sevin GÜMGÜM
Öğretim Eleman(lar)ı	Doç. Dr. Özge Eren
Yardımcı(ları)	Araş. Gör. Merve KAHRAMAN ARİMAN Araş. Gör. Sıla Selenay KOÇ

Dersin Amacı	Bu dersin temel amacı, veri analizi yöntemleri hakkında temel bilgiler vermek ve bu yöntemleri istatistiksel yazılım programları yardımı ile kullanabilmektir. Ders kapsamında temel istatistiksel yaklaşımların yanında modelleme üzerinde durulması hedeflenmektedir.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Verileri tanımlayabilmek ve özetleyebilmek için grafik yöntemleri kullanabilecektir. Değişkenler arasındaki ilişkileri analiz edebilecektir. Değişkenler arasındaki ilişkileri ve regresyon modellerini analiz edebilecektir. Birkaç kitle ortalamasını karşılaştırabilecektir. Bir kitleye ilişkin hipotez testleri oluşturabilecektir. Veri madenciliği ile ilgili kavramlarında basit sınıflama yöntemlerini kullanabilecektir.
Ders Tanımı	Dersin temel konuları: verileri tanımlayabilmek için grafiksel ve sayısal yöntemler, istatistiksel modellerin kullanılması, model varsayımlarını istatistiksel yöntemler kullanarak kontrol etmek, hipotezleri test edebilmektir. Veri madenciliğinin temel kavramları.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders	X
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Veri çözümlemeye giriş, veri bilimi veri bilimcisi, veri bilimcinin araç kutusu, SPSS, R ortamına giriş (Installation, Editors)	R for Data Science, H. Wickham, G. Grolemund, (Ch-1, Ch-2), Introductory Statistics with R, P. Dalgaard (Ch-1)
2	R’da veri yapıları, hazır fonksiyonlar, R paketleri	Introductory Statistics with R, P. Dalgaard (Ch-1)
3	Rassal veri, yoğunluk ve dağılım fonksiyonları, veri alış/verişi, veri manipülasyonu	Introductory Statistics with R, P. Dalgaard (Ch-3)
4	Kontrol yapıları, koşullu ifadeler	Introductory Statistics with R, P. Dalgaard (Ch-1.2)
5	Veri tanımlamada sayısal yöntemler, değişkenler arasındaki ilişki	Introductory Statistics with R, P. Dalgaard (Ch-4)
6	Veri görselleştirme, veri tanımlamada görsel yöntemler R’da temel grafik sistemi ve temel grafikler	Introductory Statistics with R, P. Dalgaard (Ch-4.2)
7	R’da ileri düzey grafikler-1, tidyverse yazım kuralları, R’da ileri düzey grafikler-2, ggplot2	R for Data Science, H. Wickham, G. Grolemund, (Ch-3)
8	Hipotez testi tek örneklem testleri	Introductory Statistics with R, P. Dalgaard (Ch-5)
9	Ara Sınav
10	Hipotez testi İki örneklem testleri	Introductory Statistics with R, P. Dalgaard (Ch-5)
11	Varsayımların kontrolü, uyum iyiliği tesleri	Introductory Statistics with R, P. Dalgaard (Ch-5)
12	Basit Doğrusal regresyon ve korelasyon	Introductory Statistics with R, P. Dalgaard (Ch-6)
13	Dinamik raporlama	R for Data Science, H. Wickham, G. Grolemund, (Ch-27)
14	Veri madenciliği, İstatistiksel öğrenmenin temel kavramları, denetimli öğrenme, denetimsiz öğrenme	R for Data Science, H. Wickham, G. Grolemund, (Ch-22)
15	Dönemin gözden geçirilmesi
16	Final Sınavı

Ders Kitabı

1- Introductory Statistics with R, P. Dalgaard, Springer, 2008. ISBN-13: 978-0-387-79054-1. (https://link.springer.com/book/10.1007/978-0-387-79054-1#toc)

2- R for Data Science, H. Wickham, G. Grolemund, 978-1491910399. (https://r4ds.had.co.nz

Önerilen Okumalar/Materyaller

1- R in Action: Data Analysis and Graphics with R. 2nd Ed., R. Kabacoff, 2015. 978-1617291388.

2- Practical Data Science with R, N. Zumel and J. Mount, Manning Publications, 2014. 9781617291562.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	10
Proje	1	10
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1	50
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	3	50
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	50
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	14	3	42
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev			0
Sunum / Jüri Önünde Sunum	1	30	30
Proje	1	30	30
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	40	40
Final Sınavı	1	50	50
		Toplam	240

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur.	-	-	-	X	-
2	Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.	-	-	-	-	X
3	Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder.	-	-	X	-	-
4	Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir.	-	-	-	-	-
5	Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır.	-	-	-	-	-
6	Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar.	-	-	-	-	-
7	Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır.	-	-	X	-	-
8	Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular.	-	-	-	-	-
9	Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur.	-	-	-	-	-
10	Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar.	-	-	-	-	-
11	Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar.	-	-	-	-	-
12	İkinci yabancı dili orta düzeyde kullanır.	-	-	-	-	-
13	İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.	-	-	-	-	-