Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
MTH 0006	İstatistik ve Veri Bilimine Giriş	SEÇMELİ	2	0	0	2

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. ÖZLEM EGE ORUÇ

Dersi Alan Birimler

Biyoloji
Kimya
Bilgisayar Bilimleri
İstatistik
Matematik (İngilizce)
Fizik

Dersin Amacı

Bu dersin amacı öğrenciye istatistiksel method ve temel veri bilimine giriş yetkinlikleri kazandırmaktır.

Dersin Öğrenme Kazanımları

1	1. Veri biliminin ne olduğunu,
2	2. Makine öğrenimi ve model geliştirme aşamasında veri hazırlığını,
3	3. Denetimli Makine öğrenimi metotları, kullanım amaçları ve veri türüne göre doğru modelin seçimini,
4	4. Denetimsiz Makine öğrenimi metotları, kullanım amaçları ve veri türüne göre doğru modelin seçimini,

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Veri bilimine giriş, makine öğrenimi ve model geliştirme aşamasında veri hazırlığı
2	Denetimli ve denetimsiz makine öğrenimi metotları, kullanım amaçları ve veri türüne göre doğru modelin seçimi
3	Modellerin değerlendirilmesi ve değerlendirme kriterleri için metrikleri belirlenmesi
4	Temel istatistik konseptlerine giriş: parametreler, değişkenler, ölçümler ve istatistiki yöntemleri
5	Betimsel (Descriptive) istatistik: veriyi tanımlama, persantiller ve değişkenlikler
6	Veri görselleştirme: histogramlar, normal dağılım ve grafiklerin kullanımı
7	Güven aralıklarının oluşturulması ve basit hipotez testlerinin gerçekleştirilmesi
8	`SAS Drive arayüzü kullanarak SAS platformundaki objelerin (varlıkların) incelenmesi ve paylaşımı
9	`SAS Manage Data arayüzü ile verilerin SAS platformuna aktarılması
10	`SAS Studio arayüzü ile kod geliştirme ve geliştirilen kodu CAS analitik motoru üzerinde çalıştırılması
11	`SAS Data Studio arayüzü ile sürükle bırak veri hazırlığı süreçleri
12	`SAS Visual Analytics arayüzü ile veri görselleştirme, rapor oluşturma ve raporları görüntüleme
13	`SAS Studio arayüzü istatistiki modeller oluşturma ve modellerin karşılaştırılması
14	`SAS Build Models arayüzü ile makine öğrenimi modellerinin oluşturulması
15	GENEL SINAV

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Gareth James , Daniela Witten , Trevor Hastie, Robert Tibshirani . An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) 1st ed. 2013, Corr. 7th printing 2017 Edition

2. Peter Bruce Andrew Bruce Peter Gedeck, Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python 2nd Edition, O'Reilly Media; 2nd edition (June 16, 2020)

Referanslar:
Diğer ders materyalleri: https://video.sas.com/category/videos/advanced-analytics_

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev ve problem çözme.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	FN	Final
3	BNS	BNS	VZ * 0.40 + FN * 0.60
4	BUT	BÜTÜNLEME
5	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	VZ * 0.40 + BUT * 0.60

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar

Dersin Öğretim Dili

Türkçe

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 Fakültesi öğretim ve sınav uygulama esasları yönetmeliğini http://web.deu.edu.tr/fen adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri