le Programme de licence en génie informatique

Introduction à l'analyse des données(INF356)

Nom du Cours Semestre du Cours Cours Théoriques Travaux Dirigés (TD) Travaux Pratiques (TP) Crédit du Cours ECTS
INF356 Introduction à l'analyse des données 5 3 0 0 3 4
Cours Pré-Requis IND211 VEYA INF211
Conditions d'Admission au Cours IND211 VEYA INF211
Langue du Cours Français
Type de Cours Obligatoire
Niveau du Cours Licence
Enseignant(s) du Cours Keziban ORMAN korman@gsu.edu.tr (Email)
Assistant(e)s du Cours
Objectif du Cours Ce cours a une but que les étudiants qui ont déjà des connaissances basic sur les statistiques peuvent combiner différents concepts statistiques, faire l'inférence statistique à partir des données, élaborer des modèles pour leurs données et créer facilement les codes qui met en oeuvre leurs modèles quand ils viennent à travers des problèmes d'ingénierie du monde réel. Par conséquent, ces élèves peuvent approcher à première vue théorique, puis développer des solutions théoriques et enfin créer des structures pratiques aux problèmes d'ingénierie liés aux données.
Contenus 1. Data-Information-Knowledge, vue générale à l'analyse des données
2. Concepts statistiques fondamentale, types de variables, description des données, introduction à R
3. Description des données numériques - Application dans les fonctions de visualisation de R
4. La statistique paramétrique, l'inférence statistique, la création de données de jouets dans R et l'inférence de celle-ci
5. Comparaison de deux échantillons, test t, interprétation des résultats, application R
6. Analyse de la variance, AOV et ANOVA dans R
7. Régression linéaire et multiple, fonction lm dans R
8. Examen
9. Analyse de covariance, application R
10. Variations de la régression linéaire: régression logique, modèle linéaire général, modèle linéaire hiérarchique
11. Analyse des séries temporelles, déclaration de projet semestrielle
12. Statistique non-paramétrique, test de signification
13. Statistique non paramétrique, mesures d'association
14. Méthodes non paramétriques avancées et présentations de projets
Acquis d'Apprentissage du Cours Les étudiants ayant réussi ce cours auront les qualifications suivantes:

1. Capable d'utiliser des méthodes statistiques dans l'analyse des données
2. Capable de coder la programmation statistique
3. Capable de concevoir des modèles statistiques pour l'analyse des données du monde réel
4. Créer contexte théorique et pratique pour la compréhension de données numériques
5. Capable d'analyser des séries chronologiques et de trouver les tendances
Méthodes d'Enseignement 1. Lecture
2. Discussion
3. Demonstration
4. Étude de cas
5. Résolution de problèmes
6. Apprentissage Coopératif
7. Question-Réponse
8. Carte Conceptuelle
9. Project
10. Brain Storming
Ressources 1. PDQ Statistics, Geoffrey R. Norman, David L. Streiner, 2003
2. The Art of R Programming, A tour of Statistical Software Design, Norman Matloff, 2011
3. Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber, 2006
4. An Introduction to Statistical Learning, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, 2013
5. Software for Data Analysis: Programming with R (Statistics and Computing), John M. Chambers, 2008
6. Modern Applied Statistics with S (Statistics and Computing), W.N. Venables, B.D. Ripley, 2002
Imprimer le contenu du cours
Intitulés des Sujets Théoriques
Semaine Intitulés des Sujets
1 Data-Information-Knowledge, vue générale à l'analyse des données
2 Concepts statistiques fondamentale, types de variables, description des données
3 Description des données numériques
4 La statistique paramétrique, l'inférence statistique
5 Comparaison de deux échantillons, test t, interprétation des résultats
6 Analyse de la variance
7 Régression linéaire et multiple
8 8. Examen
9 9. Analyse de covariance, application R
10 10. Variations de la régression linéaire: régression logique, modèle linéaire général, modèle linéaire hiérarchique
11 11. Analyse des séries temporelles, déclaration de projet semestrielle
12 12. Statistique non-paramétrique, test de signification
13 13. Statistique non paramétrique, mesures d'association
14 14. Méthodes non paramétriques avancées et présentations de projets
Intitulés des Sujets Pratiques
Semaine Intitulés des Sujets
1 Introduction à R
2 Application dans les fonctions de visualisation de R
3 Création de données de jouets dans R et l'inférence de celle-ci
4 AOV et ANOVA dans R
5 lm dans R
Contribution à la Note Finale
  Numéro Frais de Scolarité
Contribution du contrôle continu à la note finale 4 60
Contribution de l'examen final à la note finale 1 40
Toplam 5 100
Contrôle Continu
  Numéro Frais de Scolarité
Devoir 2 10
Présentation 0 0
Examen partiel (temps de préparation inclu) 1 25
Projet 1 25
Travail de laboratoire 0 0
Autres travaux pratiques 0 0
Quiz 0 0
Devoir/projet de session 0 0
Portefeuille 0 0
Rapport 0 0
Journal d'apprentissage 0 0
Mémoire/projet de fin d'études 0 0
Séminaire 0 0
Autre 0 0
Toplam 4 60
No Objectifs Pédagogiques du Programme Contribiton
1 2 3 4 5
1 Matematik, fizik ve mühendislik bilimlerine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, mühendislik problemlerinin modellenmesi ve çözümünde kullanabilme becerisi. X
2 Karmaşık bilgisayar mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Yazılımsal veya donanımsal karmaşık bir sistemi, süreci veya donanımı gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. X
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
5 Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, deney tasarlama ve yapma, veri toplama, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, yazılım ve donanım tasarımını, gerekirse teknik resim metotları kullanarak raporlayabilme, etkin sunum yapabilme becerisi. X
8 Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi X
9 Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. X
10 Mesleki etik ilkelerine uygun davranma, mesleki sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
11 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. X
Activités Nombre Durée Charge totale de Travail
Durée du cours 14 3 42
Préparation pour le cours 14 1 14
Devoir 2 2 4
Présentation 1 10 10
Examen partiel (temps de préparation inclu) 0 0 0
Projet 1 8 8
Laboratoire 0 0 0
Autres travaux pratiques 0 0 0
Examen final (temps de préparation inclu) 0 0 0
Quiz 0 0 0
Devoir/projet de session 0 0 0
Portefeuille 0 0 0
Rapport 0 0 0
Journal d'apprentissage 0 0 0
Mémoire/projet de fin d'études 0 0 0
Séminaire 0 0 0
Autre 0 0 0
Charge totale de Travail 78
Charge totale de Travail / 25 3,12
Crédits ECTS 3
Scroll to Top