Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
ECO 2018	BÜYÜK VERİ ANALİZİ VE İSTATİSTİKSEL MODELLER	ZORUNLU	3	0	0	4

Dersi Veren Birim

İktisat (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ ÖMÜR SALTIK

Dersi Alan Birimler

İktisat (İngilizce)

Dersin Amacı

Öğrencilere büyük veri işleme yöntemlerinin temel ilkelerini ve araçlarını tanıtmak ve gerçek dünyadaki büyük ve karmaşık veri setlerini analiz etmek ve yorumlamak için istatistiksel modelleme tekniklerini uygulama becerilerini kazandırmak.

Dersin Öğrenme Kazanımları

1	1. Büyük veri kavramlarını ve veri işleme mimarilerini (ör. Hadoop, Spark) temel düzeyde anlayabilecektir.
2	2. Regresyon, sınıflandırma ve kümeleme gibi istatistiksel modelleri büyük veri setlerine uygulayabilecektir.
3	3. Veri ön işleme, dönüştürme ve analiz süreçlerini Python veya R gibi programlama dilleriyle gerçekleştirebilecektir.
4	4. İstatistiksel model çıktılarının yorumunu yaparak elde edilen bulguları etkili şekilde sunabilecektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Büyük Veriye ve Veri Analitiğine Giriş
2	Büyük Verinin Türleri ve Kaynakları
3	Veri Depolama Sistemleri ve Dosya Formatları
4	Hadoop Ekosistemi ve MapReduce Temelleri
5	Apache Spark ve Dağıtık Hesaplama
6	Veri Temizleme ve Ön İşleme
7	Keşifsel Veri Analizi (EDA)
8	İstatistiksel Modelleme: Doğrusal ve Lojistik Regresyon
9	Sınıflandırma Yöntemleri ve Başarı Ölçütleri
10	Kümeleme Algoritmaları (K-Ortalamalar, Hiyerarşik)
11	Boyut İndirgeme ve Özellik Seçimi
12	Model Değerlendirme ve Çapraz Doğrulama
13	Vaka Çalışması: Büyük Veride Tahmine Dayalı Analiz
14	Final Proje Sunumları ve Genel Değerlendirme

Ders İçin Önerilen Kaynaklar

TBA

Öğrenme ve Öğretme Yöntemleri

1. Ders Anlatımı
2. Sınıf içi çalışmalar
3. Grup Projesi

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ARS	ARASINAV
2	KSN	KISA SINAV
3	SUN	SUNUM
4	YYS	YARIYIL SONU SINAVI
5	YSBN	YIL SONU BAŞARI NOTU	ARS * 0.25 + KSN * 0.10 + SUN * 0.35 + YYS * 0.30
6	BUT	BÜTÜNLEME
7	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ARS * 0.25 + KSN * 0.10 + SUN * 0.35 + BUT * 0.30

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Devam ve Katılım: Ders içi tartışmalara ve uygulamalara aktif katılım.
Ödevler: Gerçek veya simüle edilmiş büyük veri setleriyle uygulamalı çalışmalar.
Ara Sınav: Temel teorik bilgiler ve analiz tekniklerini kapsar.
Final Projesi: Gerçek bir büyük veri problemi üzerinde model geliştirme ve sunum.
Quizler: Kısa süreli teknik ve kavramsal bilgi değerlendirmeleri.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Derslerin %70'ine girmek zorunludur.
2. Her türlü kopya işlemi cezalandırılacaktır.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri