Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
STA 5101	R ile Açıklayıcı Veri Çözümlemesi	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik Doktora (İngilizce)
İstatistik Yüksek Lisans (İngilizce)
İstatistik Bütünleşik Doktora (İngilizce)

Dersin Amacı

Bu derste, açıklayıcı veri çözümlemesinde kullanılan grafiksel yöntemlerin, yeni yaklaşımların R uygulamalarıyla öğrencilere aktarılması hedeflenmektedir.

Dersin Öğrenme Kazanımları

1	Grafiklerin oluşturulması ve yorumlanması
2	Veri çözümlemesi için açıklayıcı ve destekleyici yaklaşımların ikili rolünü anlayabilme
3	Veri çözümlemesi için strateji geliştirebilme
4	Nicel çözümlemelerin sonuçlarını yorumlayabilme
5	Makale ve tezler için grafikler geliştirebilme
6	Veri çözümleme ve grafikler için R kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Temel istatistik konularının tekrarı, R programına giriş	Kümeleme
2	Olasılık dağılımları ve rassal veri üretme	Kümeleme
3	Veri dönüştürme	Monte Carlo teknikleri, yeniden örnekleme yöntemleri
4	Keşfedici grafikler, Histogram, Scatter plot, Kutu grafikleri ve çoklu grafikler	Öğrenci sunumları
5	Yoğunluk kestirimi
6	İleri grafik sistemleri, lattice
7	İleri grafik sistemleri, ggplot2 grafik sistemi
8	İleri grafik sistemleri, ggplot2 grafik sistemi
9	İleri grafik sistemleri, ggplot2 grafik sistemi
10	Grafik aygıtları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.".
2. Maindonald, J., & Braun, W. (2010). Data Analysis and Graphics Using R: An Example-Based Approach (Cambridge Series in Statistical and Probabilistic Mathematics). Cambridge: Cambridge University Press.
Yardımcı kaynaklar:
1. Springer Kabacoff, I. R. (2011). R in Action. Data Analysis and Graphics with R.
Diğer ders materyalleri: Ders sunumları

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı ve projeler.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	HW	Hmwrk/rsch.
2	FN	Final
3	BNS	BNS	HW * 0.50 + FN * 0.50
4	BUT	Bütünleme Notu
5	BBN	Bütünleme Sonu Başarı Notu	HW * 0.50 + BUT * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar, ödevler ve sunumlar.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Bilimleri Enstitüsü öğretim ve sınav uygulama esasları yönetmeliğini http://www.fbe.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

Dr. Engin YILDIZTEPE
DEÜ Fen Fakültesi İstatistik Bölümü
e-posta: engin.yildiztepe@deu.edu.tr
Tel: 0232 301 86 04

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	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Final Sınavına Hazırlık	1	50	50
Ödev Hazırlama	1	50	50
Sunum Hazırlama	1	50	50
Final Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			208

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.10
ÖK.1	5	5	4	3	3	2	2
ÖK.2	5	5	5	3	3	2	2
ÖK.3	5	5	5	3	3	2	2
ÖK.4	5	5	5	3	3	2	2
ÖK.5	5	5	4	3	3	2	2
ÖK.6	5	5	4	3	3	2	2

DERS ADI

DERECE PROGRAMLARI