| Hafta | Konular | Ön Hazırlık |
|---|
| 1 | Konu Anlatımı: R Programlama Diline Giriş, R'de Verileri İçe ve Dışa Aktarma Sınıf-içi Uygulama (45 dk.): R programlama dilinde temel kavramlar ve veri setlerini içe ve dışarıya aktarmak ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. R Programlama Dilinin geçmişinin ve ne için kullanıldığının öğrenilmesi 2. R ve RStudio programlarının bilgisayara kurulması, Cloud üzerinden R programının çalıştırılması 3. R Programlama dilinde kullanılan temel fonksiyonların ve operatörlerin araştırılması 4. R programlama dili kullanılarak verilerin içeri ve dışarı aktarılmasının sağlayan paket ve fonksiyonların araştırılması • R Programming for Data Science, Bölüm 1, 2, 3, 5 • R for Data Science, Bölüm 7, Bölüm 20-24 • Ders Notları. |
| 2 | Konu Anlatımı: R'deki Veri Türleri: Vektörler, Faktörler, Matris, Veri Çerçeveleri, Listeler, tarihler ve saatler Sınıf-içi Uygulama (45 dk.): R programlama dilinde veri türleri ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 1 (15 dk.): Ders sonunda, birinci ve ikinci haftada işlenen konuları içeren bir kısa sınavın yapılması | 1. R programlama dilinde hangi veri türlerinin bulunduğunun araştırılması 2. Kısa Sınav 1: R da veri türleri ve temel kavramlar • R Programming for Data Science, Bölüm 4, 9, 10, 11 • Ders Notları |
| 3 | Konu Anlatımı: Kontrol İfadeleri Sınıf-içi Uygulama (45 dk.): R programlama dilinde kontrol ifadeleri ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Herhangi bir programlama dilinde for, if, while, else, next, break gibi kontrol komutlarının ne işe yaradığının öğrenilmesi 2. apply ailesi fonksiyonlarının ne işe yaradığının araştırılması • R Programming for Data Science, Bölüm 13, 14, 16 • Ders Notları |
| 4 | Konu Anlatımı: Keşifçi Veri Analizi, Veri Temizleme ve Eksik Gözlem Analizi Sınıf-içi Uygulama (45 dk.): R programlama dilinde veri temizleme ve eksik gözlem analizi ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. Kısa Sınav 2 (15 dk.): Ders sonunda, üçüncü ve dördüncü haftada işlenen konuları içeren bir kısa sınavın yapılması | 1. Eksik gözlem türlerinin ve Veri temizlemek için hangi yöntemlerin uygulanabileceğine dair ön araştırma yapılması. 2. Kısa Sınav 2: Kontrol İfadeleri ve Keşifçi Veri Analizi • R for Data Science, Bölüm 10, Bölüm 18 • Ders Notları |
| 5 | Konu Anlatımı: dplyr ve tidyverse ile Veri Manipülasyonu Sınıf-içi Uygulama (45 dk.): R programlama dilinde dplyr ve tidyverse ile Veri Manipülasyonu ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Dplyr paketinin ne için kullanıldığının araştırılması 2. Popüler dplyr fonksiyonlarının incelenmesi • R Programming for Data Science, Bölüm 12. • Ders Notları |
| 6 | Konu Anlatımı: Keşifçi Veri Analizi ve ggplot ile Veri Görselleştirmesi Sınıf-içi Uygulama (45 dk.): R programlama dilinde Keşifçi Veri Analizi ve ggplot ile Veri Görselleştirmesi ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma | 1. Keşifçi veri analizi için kullanılan fonksiyonların belirlenmesi 2. Ggplot mimarisinin araştırılması • R for Data Science, Bölüm 9,10,11 • Ders Notları |
| 7 | Kısa Sınav 3 (15 dk.): Ders başlangıcında, beşinci ve altıncı haftada işlenen konuları içeren bir kısa sınavın yapılması. Sınıf-içi Uygulama (120 dk.): R programlama dilinde Veri Düzenleme ve Veri Görselleştirmesi ile ilgili bilgisayar uygulaması Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Dplyr ve ggplot kullanılarak bir vaka çalışmasının yapılması 2. Kısa Sınav 3: dplyr ve ggplot • R Programming for Data Science, Bölüm 12. • R for Data Science, Bölüm 9,10,11 • Ders Notları |
| 8 | Ara Sınav 1 | |
| 9 | Konu Anlatımı: Rstatix ile betimsel istatistik, hipotez testleri ve çıkarımsal istatistik, ggpubr ile veri görselleştirme Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma | 1. İstatistikte sıklıkla kullanılan kavramlardan hipotez testleri, güven aralığı, p değeri, normallik, t-testi, ANOVA, ki-kare analizi gibi temel test ve kavramların tekrar edilmesi. • Ders Notları |
| 10 | Sınıf-içi Uygulama (120 dk.): R programlama dilinde Veri Düzenleme ve Veri Görselleştirmesi ile ilgili bilgisayar uygulaması Kısa Sınav 4 (15 dk.): Ders sonunda, dokuzuncu ve onuncu haftalarda işlenen konuları içeren bir kısa sınavın yapılması. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. rstatix ve ggpubr kullanılarak hipotez testlerini içeren bir vaka çalışmasının yapılması 2. Kısa Sınav 4: Hipotez Testleri • Ders Notları |
| 11 | Konu Anlatımı: İstatistiksel Öğrenmeye Giriş, Test ve Eğitim Verisi, Denetim ve Denetimsiz Öğrenme, Sınıflama ve Regresyon Algoritmaları, Makine öğrenmesinde performans metrikleri Kısa Sınav 5 (15 dk.): Ders sonunda, on birinci haftada işlenen konuları içeren bir kısa sınavın yapılması. | 1. İstatistiksel Öğrenme ve Makine Öğrenmesi kavramlarının, denetimli ve denetimsiz öğrenmenin ne olduğunun araştırılması. 2. Kısa Sınav 5: İstatistiksel Öğrenme Temel Kavramları • Introduction to Statistical Learning with Applications in R, Bölüm 5 • Ders Notları |
| 12 | Konu Anlatımı: tidymodels paketi ile makine öğrenmesi modelleri, sınıflama ve regresyon modelleri Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. R programlama dilinde makine öğrenmesi modelleri kurulmasını sağlayan farklı paket ve mimarilerin araştırılması • Tidy Modeling with R Bölüm 4-7 • Ders Notları |
| 13 | Sınıf-içi Uygulama (120 dk.): R programlama dilinde tidymodels ile makine öğrenmesi yöntemlerinin uygulanmasıyla ilgili bilgisayar uygulaması Kısa Sınav 6 (15 dk.): Ders sonunda, on ikinci ve on üçüncü haftalarda işlenen konuları içeren bir kısa sınavın yapılması. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. R programlama dilinde tidymodels paketi kullanarak makine öğrenmesi modellerini kullanan bir vaka çalışmasının yapılması. 1. Kısa Sınav 6: Denetimli Öğrenme • Tidy Modeling with R Bölüm 8-12 • Ders Notları |
| 14 | Konu Anlatımı: Denetimsiz Öğrenme, Kümeleme Analizi ve Temel Bileşenler Analizi Sınıf-içi Uygulama (60 dk.): R programlama dilinde Denetimsiz Öğrenme, Kümeleme Analizi ve Temel Bileşenler Analizi ile makine öğrenmesi yöntemlerinin uygulanmasıyla ilgili bilgisayar uygulaması Kısa Sınav 7 (15 dk.): Ders sonunda, on dördüncü haftada işlenen konuları içeren bir kısa sınavın yapılması. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tart | 1. R Programlama Dilinde denetimsiz öğrenme yöntemi uygulanmasını sağlayan yöntemlerin araştırılması. 2. Kısa Sınav 7: Denetimsiz Öğrenme • Exploratory Data Analysis with R, Bölüm 11-13 • Ders Notları |
| 15 | Sınıf-içi Uygulama (140 dk.): Uçtan uca bir veri bilimi projesinin oluşturulması ve uygulanması. Sınıf-içi Tartışma (5 dk.): Öğrenilen kavramların pekiştirilmesi ve gerçek hayattaki karşılıkları ile ilgili tartışma. | 1. Derste öğrenilen tüm yöntemler kullanılarak oluşturulan uçtan uca bir veri bilimi projesinin sunulması. • Ders Notları |
| 16 | Final | |
