• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS VYA 5017 İstatistiksel Programlama Dilleri ZORUNLU 3 0 0 7

Dersi Veren Birim

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. İPEK DEVECİ KOCAKOÇ

Dersi Alan Birimler

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Amacı

Bu dersin amacı, veri analizi için gerekli programlama altyapısının oluşturulmasıdır. Temel algoritma ve akış eması mantığı verildikten sonra güncel programlama dilleri (R, Python, Vb.) ile kodlamalar yapılacaktır.

Dersin Öğrenme Kazanımları

1   1. Programlamayla çözülecek bir problemi tanımlayabilme, 2   2. Bir programlama projesinin gerçekleşirilmesi adımlarını tasarlayabilme, 3   3. Soyutlama yöntemlerini kullanabilme, 4   4. Programlama yöntemlerini problem çözmeye uygulayabilme, 5   5. Bir yazılım dilini kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Giriş. Programlama Dilleri ve temel kavramlar 2 Temel Programlama: Değişkenler, veri yapıları ve verilerle işlemler 3 Temel Programlama: Seçimler, döngüler, yöntemler 4 Temel Programlama: Tek boyutlu ve çok boyutlu diziler 5 R Diline giriş 6 Temel veri tipleri, komutlar ve arayüzler 7 Paketlerin kullanımı 8 Verisetleriyle çalışma 9 Veri ayıklama 10 Veri görselleştirme 11 Temel istatistikler 12 R Markdown 13 Programlama örnekleri 14 Programlama örnekleri

Ders İçin Önerilen Kaynaklar

R for Data Science, Garrett Grolemund, Hadley Wickham

Öğrenme ve Öğretme Yöntemleri

Etkinlikler ayrıntılı olarak Değerlendirme Yöntemleri ve İş Yükü Hesaplaması bölümünde verilmiştir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YYC YARIYIL İÇİ ÇALIŞMA 3 YYS YARIYIL SONU SINAVI 4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + YYS* 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + BUT* 0.40 *** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Öğrencilerin dönem içinde bir projeyi gerçekleştirerek yazılı ve sözlü olarak sunumlarına göre değerlendirilecektir. Dönem sonu final sınavında ise elde ettikleri tecrübeyi verilen başka bir probleme uygulama becerilerine göre değerlendirilecektir.

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 3 42 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Vize Sınavına Hazırlık 1 20 20 Final Sınavına Hazırlık 1 30 30 Ödev Hazırlama 5 10 50 Final Sınavı 1 3 3 Vize Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 187

Program ve Öğrenme Kazanımları İlişkisi

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