DERS ADI

: Veri Bilimi için R Programlama

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSC 5034 Veri Bilimi için R Programlama SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. EMEL KURUOĞLU KANDEMİR

Dersi Alan Birimler

Bilgisayar Bilimleri Doktora (İngilizce)
Bilgisayar Bilimleri Yüksek Lisans

Dersin Amacı

Dersin amacı, öğrencilere R programlama ve bilimsel veri yönetimini öğretmek ve bakış sunmaktır. Aynı zamanda, öğrencilere veri çerçevesini yönetme, verileri analiz etme, verileri simüle etme ve R kodlarını yapılandırma ve sunulmasını amaçlanmaktadır.

Dersin Öğrenme Kazanımları

1   R programlama ve veri bilimi için teorik ve pratik bilgilerin anlaşılması.
2   R programlama için temel kodlama tekniklerinin ve ayrıntılarının anlaşılması.
3   Temel kod oluşturma, matematiksel fonksiyonların oluşturulması, veri çerçevelerinin yönetimi ve kontrol yapılarının anlaşılması.
4   R programında kullanılan ileri uygulamaların anlaşılması.
5   R da program geliştirilme ve veri analizi yeteneğinin kazanılması.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 R ve data biliminine giriş ve tarihi.
2 R programının temel kodlama teknikleri ve ayrıntıları.
3 Verileri R ortamına aktarma ve çıkarma ve R objelerinin ve vektörel operasyonların yorumlanması.
4 Veri çerçevelerini, tarih ve zamanı yönetme.
5 R için kontrol yapılarını anlama.
6 Döngü fonksyonları ve hata ayıklama.
7 Proje örnek sunumu
8 Proje örnek sunumu
9 R kodlarının belirlenmesi ve ayrıntılı inceleme.
10 Veri Analizi ve sonuçların yorumlanması.
11 Data analizi için vaka çalışması.
12 Data analizi için vaka çalışması.
13 Veri simulasyonu ve yorumlaması.
14 Proje örnek sunumu

Ders İçin Önerilen Kaynaklar

Ders İçin Önerilen Kaynaklar:

Ana kaynak: Roger D. Peng, R Programming for Data Science, Wiley, 2014-2015.

Yardımcı kaynaklar: Norman Matloff, The Art of R Programming: A Tour of Statistical Software Design, 2011.

Güncel literatür kaynakları.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu ve tartışma biçiminde öğretilecek. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 YSS YIL SONU SINAVI
3 YSBN YIL SONU BAŞARI NOTU ARS * 0.40 + YSS * 0.60
4 BUT BÜTÜNLEME
5 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.40 + BUT * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Eposta: emel.kuruoglu@deu.edu.tr

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
Vize Sınavına Hazırlık 1 30 30
Final Sınavına Hazırlık 1 30 30
Haftalık Ders öncesi/sonrası hazırlıklar 14 3 42
Sunum Hazırlama 2 20 40
Vize Sınavı 1 2 2
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 188

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.15555
ÖK.25555
ÖK.35555
ÖK.45555
ÖK.55555