İşletme ve Yönetim Bilimleri Fakültesi · İslam İktisadı ve Finans (İngilizce) · Lisans
Dersin Amacı
Bu derste veri temizleme, düzenleme, işleme ve analiz etme konularında temek beceriler öğretilecektir. Öğrenciler, yoğun veri kullanımı olan uygulamalarda karşılaşılan farklı veri analizi problemleri üzerinde çalışacaklardır.
Ders İçeriği
Bu ders, veri analizi süreçlerini, istatistiksel yöntemleri ve veri madenciliği tekniklerini kapsamaktadır. Öğrenciler, SPSS kullanarak veri toplama, temizleme, görselleştirme ve analiz yapma becerilerini geliştireceklerdir. Ders kapsamında betimleyici istatistikler, hipotez testleri (t-testi, ANOVA, ki-kare), regresyon analizi, faktör analizi ve zaman serisi analizi gibi konular ele alınacaktır. Ayrıca, veri analizi sonuçlarını raporlama, yorumlama ve iş dünyasında karar alma süreçlerine katkı sağlama üzerine çalışmalar yapılacaktır. Ders boyunca SPSS uygulamalı örnekler üzerinden analizler gerçekleştirilecektir.
Zorunlu Kaynaklar
Altunışık, Remzi, Recai Coşkun, Serkan Bayraktaroğlu ve Engin Yıldırım. Sosyal Bilimlerde Araştırma Yöntemleri: SPSS Uygulamalı. 9. Baskı. Sakarya: Sakarya Yayıncılık, 2020.
Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer, 2017.
Önerilen Kaynaklar
Wasserman, Larry. All of Statistics: A Concise Course in Statistical Inference. 2nd ed. New York: Springer, 2010.
Dersin Öğrenme Çıktıları
- Veri analizi süreçlerini ve temel istatistiksel kavramları anlayabilecek ve uygulayabilecektir.
- Veri temizleme, görselleştirme ve analiz tekniklerini kullanarak büyük veri setlerini yorumlayabilecektir.
- Regresyon analizi, hipotez testleri ve veri madenciliği tekniklerini uygulayabilecektir.
- Makine öğrenmesi ve büyük veri analitiği ile veri tabanlı karar verme süreçlerini geliştirebilecektir.
- Veri gizliliği, etik kurallar ve sürdürülebilir veri politikalarına uygun analiz yapabilecektir.
Temel Alan Dağılımı
Öğretim Yöntem ve Teknikleri
Ölçme ve Değerlendirme
AKTS / İş Yükü
| Etkinlik | Sayı | Süre (saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi (Sınav Haftası Dahil) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi | 14 | 3 | 42 |
| Ara Sınav | 1 | 8 | 8 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 12 | 2 | 24 |
| Uygulama | 1 | 8 | 8 |
| Final | 0 | 0 | 0 |
Ders Akışı
| Hafta | Konu | Ön Hazırlık |
|---|---|---|
| 1 | Veri Analizine Giriş: Temel Kavramlar ve Veri Türleri | Temel okuma, araştırma, analiz. |
| 2 | Veri Toplama Yöntemleri ve Veri Temizleme | Temel okuma, araştırma, analiz. |
| 3 | Betimleyici İstatistikler: Ortalama, Medyan, Mod, Dağılım | Temel okuma, araştırma, analiz. |
| 4 | Veri Görselleştirme Teknikleri: Histogramlar, Çubuk Grafikleri, Kutu Grafikleri | Temel okuma, araştırma, analiz. |
| 5 | Olasılık Teorisi ve Olasılık Dağılımları | Temel okuma, araştırma, analiz. |
| 6 | Hipotez Testleri: Z-Test, T-Test ve Ki-Kare Testi | Temel okuma, araştırma, analiz. |
| 7 | Regresyon Analizi: Doğrusal ve Lojistik Regresyon | Temel okuma, araştırma, analiz. |
| 8 | Ara Sınav | - |
| 9 | Veri Madenciliği Teknikleri ve Uygulamaları | Temel okuma, araştırma, analiz. |
| 10 | Makine Öğrenmesi Temelleri: Denetimli ve Denetimsiz Öğrenme | Temel okuma, araştırma, analiz. |
| 11 | Büyük Veri ve Büyük Veri Analitiği | Temel okuma, araştırma, analiz. |
| 12 | Zaman Serisi Analizi ve Tahminleme | Temel okuma, araştırma, analiz. |
| 13 | Metin Madenciliği ve Doğal Dil İşleme (NLP) | Temel okuma, araştırma, analiz. |
| 14 | Veri Etiği ve Veri Gizliliği | Temel okuma, araştırma, analiz. |
| 15 | Veri Analizinde Güncel Trendler ve Gelecek Perspektifleri | Temel okuma, araştırma, analiz. |
| 16 | Final Sınavı | - |