Bilgisayar Mühendisliği Lisans Programı

Veri Analizine Giriş(INF356)

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS
INF356 Veri Analizine Giriş 5 3 0 0 3 4
Ön Koşul IND211 VEYA INF211
Derse Kabul Koşulları IND211 VEYA INF211
Dersin Dili Fransızca
Türü Zorunlu
Dersin Düzeyi Lisans
Dersi Veren(ler) Keziban ORMAN korman@gsu.edu.tr (e-mail)
Dersin Yardımcıları
Dersin Amacı Bu ders temel istatistik kavramlarını öğrenmiş öğrencilerin, bu kavramların gerçek dünyadaki yansımalarını algılayıp, gerçek veriler üzerinde veri analizi yapabilmek için farklı kavramları harmanlayarak uygun modeller geliştirmelerini ve geliştirdikleri modelleri programlayabilmelerini amaçlamaktadır. Böylelikle öğrenciler sayısal veri içeren mühendislik problemleriyle karşılaştıklarında öncelikle teorik bir bakış açısıyla bu problemlere yaklaşacak, sonrasında teorik çözümler üretecek ve en nihayetinde ürettikleri çözümleri programlama yoluyla somut sonuçlara ulaşacak ve pratik cevapları bulabilecektir.
İçerik 1. Hafta Veri - Bilgi - Kullanılabilir Bilgi Kavramları, Veri Analizine Genel Bakış
2. Hafta Genel İstatistik Kavramları, Değişken Tipleri, Veri Tanımlama, R Diline Giriş
3. Hafta Sayısal Veri Tanımlama - R Dilinde Uygulama ve Görselleme
4. Hafta Parametreli İstatistik - İstatistiksel Çıkarım - R Dilinde Veri Oluşturma ve Veriden Çıkarım
5. Hafta 2 Örneklemin Karşılaştırılması - t-test - Sonuçları Yorumlama - R Dilinde Uygulama
6. Hafta Varyans Analizi - R Dilinde AOV ve ANOVA fonksiyonları
7. Hafta Doğrusal ve Çoklu Regresyon -R Dilinde lm fonksiyonu
8. Hafta Ara Sınav
9. Hafta Kovaryans Analizi - R Dilinde Uygulama
10. Hafta Doğrusal Regresyon Çeşitlemeleri: Mantıksal Regresyon, Genel Doğrusal Model, Hiyerarşik Doğrusal Model
11. Hafta Zaman Serisi Analizi - Dönem Projesi Açıklaması
12. Hafta Parametresiz İstatistik; Anlamlılık Testi
13. Hafta Parametresiz İstatistik; Birleştirme Ölçütleri
14. Hafta İleri Parametresiz İstatistik Modelleri ve Proje Sunumları
Dersin Öğrenme Çıktıları Bu dersi başarıyla tamamlayan öğrenci aşağıdaki konularda yeterliliğe sahip olacaktır:
1. Veri Analizinde İstatistiksel Yöntemler Kullanmak
2. İstatistiksel Programlama Yapabilmek
3. Gerçek Veri Analizi için İstatistiksel Model Tasarlayabilmek
4. Sayısal Veriyi Anlamlandırmak için gerekli Teorik ve Pratik altyapıyı oluşturmak
5. Zaman Serisi Analizleri yapabilmek ve trend saptamak
Öğretim Yöntemleri 1. Anlatım
2. Tartışma
3. Gösterip Yaptırma
4. Örnek Olay
5. Sorun (Problem) Çözme
6. İşbirlikli Öğrenme
7. Soru-Cevap
8. Kavram Haritaları
9. Proje
10. Beyin Fırtınası
Kaynaklar 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
Ders İçeriğini Yazdır
Teori Konu Başlıkları
Hafta Konu Başlıkları
1 Veri - Bilgi - Kullanılabilir Bilgi Kavramları, Veri Analizine Genel Bakış
2 Genel İstatistik Kavramları, Değişken Tipleri, Veri Tanımlama
3 Sayısal Veri Tanımlama
4 Parametreli İstatistik - İstatistiksel Çıkarım
5 2 Örneklemin Karşılaştırılması - t-test - Sonuçları Yorumlama
6 Varyans Analizi
7 Doğrusal ve Çoklu Regresyon
8 Ara Sınav
9 Kovaryans Analizi
10 Doğrusal Regresyon Çeşitlemeleri: Mantıksal Regresyon, Genel Doğrusal Model, Hiyerarşik Doğrusal Model
11 Zaman Serisi Analizi - Dönem Projesi Açıklaması
12 Parametresiz İstatistik; Anlamlılık Testi
13 Parametresiz İstatistik; Birleştirme Ölçütleri
14 İleri Parametresiz İstatistik Modelleri ve Proje Sunumları
Uygulama Konu Başlıkları
Hafta Konu Başlıkları
1 R Diline Giriş
2 R Dilinde Uygulama ve Görselleme
3 R Dilinde Veri Oluşturma ve Veriden Çıkarım
4 R Dilinde AOV ve ANOVA fonksiyonları
5 R Dilinde lm fonksiyonu
Başarı Notuna Etki Oranları
  Sayı Katkı Payı
Yarıyıl içi çalışmaların başarı notuna katkısı 4 60
Yarıyıl sonu çalışmaların başarı notuna katkısı 1 40
Toplam 5 100
Yarıyıl İçi Çalışmaları
  Sayı Katkı Payı
Ödevler 2 10
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
Toplam 4 60
Numara Program Yeterlilikleri Puan
1 2 3 4 5
1 Matematik, fizik ve mühendislik bilimleri konularında yeterli bilgi birikimi, X
2 Temel bilimleri Bilgisayar Mühendisliği alanında kullanabilme becerisi, X
3 Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi, X
4 Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri, X
5 Bilişim teknolojilerini etkin bir şekilde seçme, kullanma, yeni gelişen teknolojilere adaptasyon becerisi, X
6 Disiplinlerarası takımlar içinde çalışma becerisi, X
7 Fransızca ve İngilizce olmak üzere en az iki yabancı dil bilgisi, X
8 Girişimcilik ve yenilikçilik hakkında farkındalık, X
9 Yetki alabilme ve gereğini yerine getirebilme, X
10 İş hukuku ve etik konularında bilgi,
11 Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. X
Etkinlikler Sayı Süre Toplam İş Yükü
Ders Süresi 14 3 42
Sınıf Dışı Çalışma Süresi 14 1 14
Ödevler 2 2 4
Sunum 1 10 10
Arasınavlar (Hazırlık Süresi Dahil) 0 0 0
Proje 1 8 8
Laboratuar 0 0 0
Diğer Uygulamalar 0 0 0
Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) 0 0 0
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
Toplam İş Yükü 78
Toplam İş Yükü / 25 3,12
Dersin AKTS Kredisi 3
Scroll to Top