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/INF211 |
| Conditions d'Admission au Cours | IND211/INF211 |
| Langue du Cours | Français |
| Type de Cours | Obligatoire |
| Niveau du Cours | Licence |
| Enseignant(s) du Cours | Günce 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 |
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 | |
|---|---|---|
| Toplam | 0 | 0 |
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. | |||||
| 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. | |||||
| 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 | ||||
| 12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi. | |||||
| 13 | Bilgisayar mühendisliği uygulamalarının hukuki ve etik boyutları konusunda farkındalık. | |||||
| 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 |
| Projet | 1 | 8 | 8 |
| Charge totale de Travail | 78 | ||
| Charge totale de Travail / 25 | 3,12 | ||
| Crédits ECTS | 3 | ||