• 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 5003 İstatistiksel Hesaplama ve Programlama için R 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   İstatiksel yöntemler için R fonksiyonu yazabilme 2   R fonksiyonlarını kullanarak istatistiksel analizleri yapabilme 3   Veri bilimi uygulamaları için R paketlerini kullanabilme 4   Veri görselleştirme ve grafikler için R fonksiyonlarını kullanabilme 5   rmarkdown ile yeniden üretilebilen raporlar oluşurabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 R kurulumu, R ortamı, Editörler, R-project, CRAN 2 R sözdizimi: değişkenler, operatörler, ifadeler, atama. Veri tipleri, vektör. Koşullu ifadeler 3 Veri tipleri, matris, veri çerçevesi , liste. 4 Veri tipleri, matris, veri çerçevesi , liste. Veri alış/verişi 5 Matematik ve istatistik fonksiyonları, Metin manipülasyon fonksiyonları 6 Kontrol yapıları, koşullu ifadeler, döngüler, apply ailesi 7 Temel grafik fonksiyonları, low level fonksiyonlar 8 Temel grafik fonksiyonları, high level fonksiyonlar 9 İleri grafikler; ggplot2 paketi 10 Fonksiyonlar, yerel değişkenler, değişkenlerin kapsamı 11 Fonksiyonlar, yerel değişkenler, değişkenlerin kapsamı 12 Veri bilimi uygulamaları için R paketleri 13 Yeniden üretilebilen raporlar, rmarkdown paketi 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 7 2 14 Web'de Tarama ve Kütüphane Çalışması 2 5 10 Final Sınavına Hazırlık 1 45 45 Ödev Hazırlama 1 40 40 Sunum Hazırlama 1 40 40 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 5 5 5 ÖK.2 5 5 5 5 4 5 ÖK.3 5 5 5 5 4 5 ÖK.4 5 5 4 5 ÖK.5 5 5 5 5 5