DERS ADI

: Mekansal Veri Bilimine Giriş

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
İKT 5204 Mekansal Veri Bilimine Giriş SEÇMELİ 3 0 0 5

Dersi Veren Birim

İktisat Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. FIRAT GÜNDEM

Dersi Alan Birimler

İktisat Yüksek Lisans (UOYLP-Gence Devlet Üniversitesi)
İktisat Yüksek Lisans

Dersin Amacı

Mekansal veri bilimi, hem istatistiklerden/mekansal istatistiklerden hem de bilgisayar bilimleri ve geocomputation alanlarından elde edilen kavram ve yöntemlerin bir koleksiyonu olarak düşünülebilecek, gelişen bir alandır. Bu teknikler, verilere erişim, dönüştürme, manipüle etme, görselleştirme, keşfetme ve mekansal verilerin analizine dayanmaktadır.
Ders, sosyal bilim araştırmalarıyla ilgili mekansal veri türlerini tanıtır ve bu verileri keşfetmek için bir dizi yöntemi gözden geçirir. Öncelikle, nüfus sayım bölgeleri veya ilçeler gibi (örneğin, işsizlik oranları, bölgeye göre hastalık oranları, suç oranları) toplu birimler için toplanan verilere odaklanacağız ve yalnızca mekansal olarak konumlandırılmış örnekleme noktalarında ölçülen verileri kısaca dikkate alacağız.
Kapsanan özel konular arasında mekansal verilerin özel doğası, coğrafi görselleştirme ve görsel analitik, mekansal otokorelasyon analizi, küme tespiti ve bölgeselleştirme yer alır. Dersin önemli bir yönü, açık kaynaklı geo-mekansal yazılım araçlarını, özellikle GeoDa'yı ve ayrıca R Studio'yu öğrenmek ve uygulamaktır.

Dersin Öğrenme Kazanımları

1   Mekansal veri biliminin ilkelerini ve onun sosyal bilimlerdeki araştırma sorunlarına uygulanmasını öğrenmek
2   Belirli bir araştırma sorusu için hangi yöntemlerin uygun olduğunu ayırt etmeyi öğrenmek
3   Her veri tekniği ile ilgili varsayımları ve sınırlara dair değerlendirme yetisi geliştirmek
4   Mekansal veri analizinin sonuçlarının nasıl yorumlanacağını ve sunulacağını öğrenmek.
5   Mekansal işlemleri gerçekleştirmek için uygun açık kaynaklı yazılım araçlarının nasıl kullanılacağını öğrenmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Giriş ve Genel Bakış
2 Mekansal Veri Bilimi, Önemli Kavramlar ve Mekansal Data
3 Veri Görselleştirmenin Analitiği, EDA, ESDA
4 Haritalama Turleri (choropleth, outlier maps)
5 Mekansal Oto korelasyonun Prensipleri
6 Mekansal Ağırlıklar
7 Global Mekansal Otokorelasyon (Join count, Moran s I, Geary s c)
8 Yerel Mekansal Otokorelasyon (Lokal Moran)
9 Kume Tespiti
10 Mekansal Kısıtlı Kümeler
11 Mekansal Regresyonlara Giris -1
12 Mekansal Regresyonlara Giris -2
13 GeoDa Uygulama
14 RStudio Uygulama
15 Donem Projesi Sunumları

Ders İçin Önerilen Kaynaklar

Anselin, L., & Rey, S. J. (2014). Modern spatial econometrics in practice: A guide to GeoDa, GeoDaSpace and PySAL. GeoDa Press LLC.
GeoDa Workbook - http://geodacenter.github.io/documentation.html
Cathy O Neil and Rachel Schutt (2013). Doing Data Science, Straight Talk from
the Frontline. O Reilly.
Garrett Grolemund and Hadley Wickham (2017). R for Data Science. O Reilly.
W.N. Venables, D.M. Smith and the R Core Team (2019). An Introduction to R.
Notes on R: A Programming Environment for Data Analysis and Graphics Version
3.6.1 (July 2019)
Paul Torfs and Claudia Brauer (2014). A (very) short introduction to R.
Robin Lovelace, James Cheshire, Rachel Oldroyd and others (2015). Introduction
to visualizing spatial data in R
Guy Lansley and James Cheshire (2016). An Introduction to Spatial Data Analysis
and Visualization in R

Öğrenme ve Öğretme Yöntemleri

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


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

firat.gundem@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
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Vize Sınavına Hazırlık 1 15 15
Final Sınavına Hazırlık 1 20 20
Ödev Hazırlama 1 15 15
Haftalık Ders öncesi/sonrası hazırlıklar 1 12 12
Vize Sınavı 1 2 2
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 136

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9
ÖK.1555555555
ÖK.2555555555
ÖK.3555555555
ÖK.4555555555
ÖK.5555555555