DERS BİLGİ PAKETİ · VM 531

Veri Önizleme ve Kümeleme

Zorunlu · İngilizce
AKTS
8
Yerel Kredi
3
Teori + Uygulama + Lab
4 + 0 + 0
Dersin Düzeyi
Yüksek Lisans
Ön Koşul
-
Yarıyıl
3

İçerik

Dersin Amacı

Bu ders öğrencilere R programlama dilinin araç ve yöntemlerini tanıtmayı, R dilinin yazım kurallarını öğretmeyi, istatistiksel analizlerde yaygın kullanılan matris/tablo tibi veri yapılarıyla çalışmayı ve hakimiyet kazandırmayı amaçlar.

Dersin İçeriği

Dersin içeriği iki ana eksen üzerine oturmaktadır. Bir eksende R diline mahsus, veri biliminde işlem yapmayı kolaylaştıran veri yapıları öğretilir. Bu veri yapıları sırasıyla incelenirken bir yandan da öğrenci için veri analizi ve makine öğrenmesi ile model kurmaya yönelik alt yapı oluşturulmuş olur. İkinci eksende ise programlamaya mahsus prosedürler öğretilir. Burada döngüler, koşullar, fonksiyonlar gibi klasik programlama dillerinin de kullandığı prosedürlerin yanında which, apply gibi R diline mahsus işlevler de derinlemesine çalışılır.

Dersin Öğrenme Çıktıları

Bu dersi başarıyla tamamlayan öğrenci;
- R dili ile programlama yapabilir.
- R dili ile yazılmış programları anlayıp, yorumlayıp, üzerlerinde değişiklik yapabilir.
- R dili ile veri ön işleme yapabilir.
- R dili ile veri görselleyebilir.
- CaRet paketini kullanarak makine öğrenmesi uygulamaları yapabilir.
- R dili ile clustering yapabilir

Öğretim Yöntemleri

Göstererek anlatım, uygulama, soru-cevap, beyin fırtınası

Kaynaklar

- THE BOOK OF R: A First Course in Programming and Statistics, TILMAN M. DAVIES
- Introduction to Probability and Statistics Using R, G. Jay Kerns
- STATISTICS WITH R PROGRAMMING, Lecture Notes, Prepared by K.Rohini, Assistant Professor, CSE Department, GVPCEW.
- Stat 3701 Lecture Notes: Basics of R, Charles J. Geyer
- R Programming, Lecture Notes, Robin Evans

Konu Başlıkları

Teori Konu Başlıkları
Hafta Konu Başlıkları
1 R Installation, Platforms, NUMERICS, ARITHMETIC, ASSIGNMENT, AND VECTORS
2 MATRICES AND ARRAYS NON-NUMERIC VALUES
3 LISTS AND DATA FRAMES SPECIAL VALUES, CLASSES, AND COERCION
4 BASIC PLOTTING READING AND WRITING FILES
5 CALLING FUNCTIONS CONDITIONS AND LOOPS
6 WRITING FUNCTIONS EXCEPTIONS, TIMINGS, AND VISIBILITY
7 EXAM
8 R For Statistics, Hypothesis Testing, ANOVA
9 R For Statistics, Regression 1
10 R For Statistics, Regression 2
11 R For Machine Learning CARET PACKAGE
Uygulama Konu Başlıkları
Hafta Konu Başlıkları
1 R Installation, Platforms, NUMERICS, ARITHMETIC, ASSIGNMENT, AND VECTORS
2 MATRICES AND ARRAYS NON-NUMERIC VALUES
3 LISTS AND DATA FRAMES SPECIAL VALUES, CLASSES, AND COERCION
4 BASIC PLOTTING READING AND WRITING FILES
5 CALLING FUNCTIONS CONDITIONS AND LOOPS
6 WRITING FUNCTIONS EXCEPTIONS, TIMINGS, AND VISIBILITY
7 EXAM
8 R For Statistics, Hypothesis Testing, ANOVA
9 R For Statistics, Regression 1
10 R For Statistics, Regression 2
11 R For Machine Learning CARET PACKAGE

Değerlendirme Sistemi

Başarı Notuna Etki Oranları
Etkinlikler Sayı Katkı Payı
Yarıyıl içi çalışmaların başarı notuna katkısı 2 50
Yarıyıl sonu çalışmaların başarı notuna katkısı 1 50
Toplam 3 100
Yarıyıl İçi Çalışmaları
Etkinlikler Sayı Katkı Payı
Ödevler 0 0
Sunum 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 25
Proje 1 25
Laboratuar 0 0
Diğer Uygulamalar 0 0
Kısa Sınavlar 0 0
Dönem Ödevi / Projesi 0 0
Portfolyo Çalışmaları 0 0
Raporlar 0 0
Öğrenme Günlükleri 0 0
Bitirme Tezi/Projesi 0 0
Seminer 0 0
Diğer 0 0
Bütünleme 0 0
Toplam 2 50

AKTS - İş Yükü Tablosu

Etkinlikler Sayı Süre Toplam İş Yükü
Ders Süresi 10 4 40
Sınıf Dışı Çalışma Süresi 24 4 96
Ödevler 0 0 0
Sunum 0 0 0
Arasınavlar (Hazırlık Süresi Dahil) 1 20 20
Proje 1 20 20
Laboratuar 0 0 0
Diğer Uygulamalar 0 0 0
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) 1 20 20
Kısa Sınavlar 0 0 0
Dönem Ödevi / Projesi 0 0 0
Portfolyo Çalışmaları 0 0 0
Raporlar 0 0 0
Öğrenme Günlükleri 0 0 0
Bitirme Tezi/Projesi 0 0 0
Seminer 0 0 0
Diğer 0 0 0
Bütünleme 0 0 0
Toplam İş Yükü 196
Toplam İş Yükü / 25 7.84
Dersin AKTS Kredisi 8