DERS ADI

: İKTİSATÇILAR İÇİN VERİ BİLİMİNE GİRİŞ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
IKT 3032 İKTİSATÇILAR İÇİN VERİ BİLİMİNE GİRİŞ SEÇMELİ 3 0 0 5

Dersi Veren Birim

İktisat

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. FIRAT GÜNDEM

Dersi Alan Birimler

İktisat (İ.Ö)
İktisat

Dersin Amacı

İktisatçılar için Veri Bilimine Giriş dersi, büyük verilerle çalışmak için çok çeşitli temel zorluklar ve metodolojileri kapsayan Veri Bilimine genel bir bakış sağlar. Ele alınacak konular arasında veri toplama, entegrasyon, yönetim, modelleme, analiz, görselleştirme, tahmin ve ekonomi bakış açısından bilinçli karar verme yer almaktadır. Bu giriş dersi, veri tabanları, veri ambarı, istatistik, veri madenciliği, veri görselleştirme, yüksek performanslı bilgi işlem, hesaplamalı sosyal bilimler ve iktisat dahil olmak üzere Veri Biliminin temel disiplinleri arasında bütünleştirici olacaktır. Verilerle iletişim, sunum ve hikâye anlatımı gibi mesleki beceriler geliştirilecektir. Öğrenciler, çeşitli sosyal bilimler, ekonomi ve yaşam bilimleri alanlarında ödevler ve olay problemler yoluyla veri bilimi hakkında çalışma bilgisi edineceklerdir.

Dersin Öğrenme Kazanımları

1   R'da kodlamayı öğrenme
2   Veri bilimi ile çözülebilen sorunları anlamak ve bu sorunları ekonomik bir bakış açısıyla ilişkilendirebilmek.
3   Farklı veri kaynaklarından veri toplama, işleme ve karıştırma
4   Verileri görselleştirme ve açıklayıcı veri analizi gerçekleştirme
5   Veri bilimi proje yaşam döngüsünü anlama
6   Büyük veri mimarisi ile tanışma

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Veri Bilimine Giriş
2 R Programlamaya Giriş
3 Online Veri Kaynakları
4 Veri Toplama ve Veri Madenciliği
5 Veri Temizleme
6 Veri Görselleştirme
7 Doğrusal Regresyon
8 Veri Birleştirme
9 Veri Haritlama
10 Veri Sınıflandırma
11 Veri Kümeleme
12 Makine Öğrenmesine Giriş
13 Donem Sonu Sunumlar
14 Donem Sonu Sunumlar

Ders İçin Önerilen Kaynaklar

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: springer.

Taddy, M. (2019). Business data science: Combining machine learning and economics to optimize, automate, and accelerate business decisions. McGraw Hill Professional.

Arslan, İ. (2019). Python ile Veri Bilimi. Pusula.

Gursakal, N. (2021). Makine Ogrenmesi. Dora Yayincilik

https://boun101.boun.edu.tr/classes/veri-bilimine-giris/

Öğrenme ve Öğretme Yöntemleri

Ders yüz yüze yapılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 DIC Dönemiçi Çalışma
2 ARS Arasınav
3 YIN Yarıyıliçi Notu DIC * 0.50 + ARS * 0.50
4 FN Yarıyılsonu Sınavı
5 BNS BNS YIN * 0.40 + FN * 0.60
6 BUT Bütünleme Notu
7 BBN Bütünleme Sonu Başarı Notu YIN * 0.40 +BUT * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 2 28
Uygulama 14 2 28
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Vize Sınavına Hazırlık 1 8 8
Final Sınavına Hazırlık 1 14 14
Ödev Hazırlama 5 3 15
Sunum Hazırlama 1 12 12
Vize Sınavı 1 1 1
Final Sınavı 1 1 1
TOPLAM İŞ YÜKÜ (saat) 135

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9
ÖK.111
ÖK.2111
ÖK.311111
ÖK.411
ÖK.51111
ÖK.61111