• 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 İKT 5129 İktisatçılar İçin Veri Bilimi SEÇMELİ 3 0 0 6

Dersi Veren Birim

İktisat Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. FIRAT GÜNDEM

Dersi Alan Birimler

İktisat Yüksek Lisans

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Veri Bilimi Proje Yaşam Döngüsü anlama 2   Ekonomik Uygulamalar için Veri Ürünleri oluşturma 3   Denetimsiz Makine Öğrenimi Tekniklerinin temellerini öğrenme 4   Denetimli Regresyon Tekniklerinin temellerini anlama 5   Denetimli Sınıflandırma Tekniklerinin temellerini anlama 6   Büyük Veri Mimarisi tanıma

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Veri Bilimine Giriş 2 R Programlamaya Giriş 3 Online Veri Kaynakları Veri Toplama ve Veri Madenciliği 4 Veri Temizleme ve Görselleştirme 5 Doğrusal Regresyon 6 Veri Sınıflandırma ve Düzenleme 7 Gözetimli Veri Sınıflandırma 1 8 Ara Sınav 9 Ara Sınav 10 Gözetimli Veri Sınıflandırma 2 11 Gözetimsiz Veri Sınıflandırma 12 Makine Öğrenmesi 1 13 Makine Öğrenmesi 2 14 Dönüm Sonu Sunumlar

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Dersin teorik ve uygulamalı bölümleri olacaktır. R gibi açık kaynaklı programlar aracılığıyla veri becerilerini geliştirmek için bilgisayar laboratuvarları kullanılacaktır.

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 * 0.20 + YYC* 0.40 + YYS* 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS* 0.20 + YYC * 0.40 + 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

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 Uygulama 8 3 24 Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28 Vize Sınavına Hazırlık 1 10 10 Ödev Hazırlama 1 15 15 Final Sınavına Hazırlık 1 30 30 Vize Sınavı 1 2 2 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 153

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 ÖK.1 1 1 ÖK.2 1 1 1 ÖK.3 1 1 1 1 1 ÖK.4 1 1 ÖK.5 1 1 1 1 ÖK.6 1 1 1 1