• 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 DSM 5006 Keşifsel Veri Analizi ve Veri Görselleştirme SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. ENGİN YILDIZTEPE

Dersi Alan Birimler

Veri Bilimi Yüksek Lisans Veri Bilimi Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Veri keşfi ve görselleştirme konusundaki temel kavramları öğrenebilme 2   Veri analizi için strateji geliştirebilme 3   Farklı veri türlerinin temizliğinde ve düzenlenmesinde güncel araçların etkin kullanabilme 4   Gerçek yaşam uygulamaları için grafikler oluşturabilme 5   Programlama dillerinin (R, Python, vb.) farklı özellikteki ve yüksek hacimli verilerin özetlenmesinde ve görselleştirilmesinde etkin 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 gözden geçirilmesi ve R istatistiksel programlama dili ile tanışma 2 Grafiklerin temel özellikleri, R çizim sistemi 3 Temel grafik fonksiyonları, histogram, dağılım grafiği, kutu grafiği ve toplu karşılaştırma 4 Veri temizleme ve dönüştürme 5 tidyverse paketlerindeki veri alış/veriş ve veri düzenleme fonksiyonları 6 tidyverse paketlerindeki veri düzenleme fonksiyonları 7 Gelişmiş grafikler, ggplot2 8 Gelişmiş grafikler, ggplot2 9 Anomali belirleme 10 Anomali belirleme 11 Çok değişkenli görselleştirme 12 Dinamik raporlama, rmarkdown 13 Dinamik raporlama, rmarkdown 14 Öğrenci sunumları

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, uygulamalar

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

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

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 14 1 14 Final Sınavına Hazırlık 1 35 35 Rapor hazırlama 1 45 45 Ödev Hazırlama 1 30 30 Sunum Hazırlama 1 25 25 Final Sınavı 1 2 2 Proje Ödevi 1 2 2 TOPLAM İŞ YÜKÜ (saat) 195

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 ÖK.1 4 5 5 ÖK.2 4 5 5 ÖK.3 4 5 5 5 5 ÖK.4 4 5 5 ÖK.5 4 5 5 5 5 5