| Hafta | Konular | Ön Hazırlık |
|---|
| 1 | Konu Anlatımı: Python temelleri, Jupyter Notebook kullanımı Sınıf-içi Uygulama: (40 dk.): Kütüphane kurulumu, ilk notebook çalıştırma Sınıf-içi Tartışma: (5 dk.) Neden istatistik için Python? | 1. Python’un temel kavramları (değişkenler, veri tipleri, temel işlemler) ve Jupyter Notebook’un çalışma mantığı (kod ve metin hücreleri) hakkında ki giriş konularının okunması, Kaynek: Ders Kitabı, 1–20 |
| 2 | Konu Anlatımı: Veri türleri, veri kalitesi ve veri ön işleme: Numpy ve Pandas kütüphane kullanımı Sınıf-içi Uygulama (40 dk.): Veri okuma, indeksleme, özet istatistikler Sınıf-içi Tartışma (5 dk.): R ile Python’un veri işleme karşılaştırması Kısa Sınav 1: (15 dk) Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması | 1. Python kütüphanelerinden NumPy ve Pandas’ın tekrar edilmesi ve temel uygulamalarının incelenmesi, Kaynak: Ders Kitabı, 21–50 |
| 3 | Konu Anlatımı: Veri görselleştirme (Matplotlib, Seaborn) Sınıf-içi Uygulama (40 dk.): Histogramlar, serpilme grafikleri, kutu grafiği Sınıf-içi Tartışma (5 dk.): İyi bir görselleştirme için neler gerekir? | 1. Python görselleştirme kütüphanelerinden Matplotlib ve Seaborn’un tekrar okunması ve temel uygulamalarının incelenmesi, Kaynak: Ders Kitabı [1], 51–85 |
| 4 | Konu Anlatımı: Betimsel istatistikler Sınıf-içi Uygulama (40 dk.): Pandas describe,, groupby Sınıf-içi Tartışma: (5 dk.): Çarpık dağılımlarda ortalama vs medyan Kısa Sınav 2: (15 dk) Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması | 1. Betimsel istatistik konularının Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi, Kaynak: Ders Kitabı [2], 17–35 |
| 5 | Konu Anlatımı: Olasılık dağılımları Sınıf-içi Uygulama: (40 dk.) scipy.stats ile uygulamalar Sınıf-içi Tartışma: (5 dk.) Normal dağılımın sınırlılıkları | 1. İstatistiksel olasılık dağılımlarının Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi, Kaynak:Ders Kitabı [2], 37-60, Ders Kitabı [3] 45-70. |
| 6 | Konu Anlatımı: Hipotez testleri I (t-testi, varyans testleri) Sınıf-içi Uygulama: (40 dk.) Tek örneklem / iki örneklem testleri Sınıf-içi Tartışma: (5 dk.) Parametrik ve arametrik olmayan testler arasında farkların tartışılması. | 1. Hipotez testlerinin Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi Kaynak:Ders Kitabı [2], 165-190, Ders Kitabı [3] 71-90. |
| 7 | Konu Anlatımı: Hipotez testleri II (Ki-kare, parametrik olmayan testler) Sınıf-içi Uygulama: (40 dk.) Ki-kare testi uygulaması Sınıf-içi Tartışma: (5 dk.):Ki-kare testinin kullanım alanları | 1. Parametrik olmayan hipotez testlerinin Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi, Kaynak: Ders Kitabı [3], 96-115 |
| 8 | Ara Sınav 1 | |
| 9 | Konu Anlatımı: Regresyon analizi I (basit regresyon) Sınıf-içi Uygulama: (40 dk.): OLS ile uygulama (statsmodels) Sınıf-içi Tartışma: (5 dk.): Doğrusal regresyon varsayımları | 1. Basit Regresyon konularının python programlama dili ile ele alınması, Kaynak: Ders Kitabı [3], 117-145 |
| 10 | Konu Anlatımı: Regresyon analizi II (Çoklu regresyon, model seçimi) Sınıf-içi Uygulama: (40 dk.): Model tanılama, uyum ölçüleri Sınıf-içi Tartışma: (5 dk.) Çoklu doğrusal bağlantı sorunu | 1. Çoklu regresyon konularının Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi, Kaynak: Ders Kitabı [3], 147-170 |
| 11 | Konu Anlatımı: ANOVA ve deney tasarımı Sınıf-içi Uygulama: (40 dk.): Pandas ile zaman serisi grafikleri Sınıf-içi Tartışma: (5 dk.): Zaman serisi bileşenlerinin önemi Kısa Sınav 3: (15 dk):Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması | 1. ANOVA ve deney tasarımı konularının Python programlama dili ile uygulanmasına yönelik temel örneklerin incelenmesi, Kaynak: Ders Kitabı [3], 171-195 |
| 12 | Konu Anlatımı: Zaman serisi analizi I (trend, mevsimsellik) Sınıf-içi Uygulama: (40 dk.): Pandas ile zaman serisi grafikleri Sınıf-içi Tartışma: (5 dk.):Zaman serisi bileşenlerinin önemi | 1. Zaman serilerinde trend ve mevsimsellik konularının Python programlama dili ile uygulanmasına yönelik temel örneklerin ön incelemesinin yapılması, Kaynak: Ders Kitabı, 150-175 |
| 13 | Konu Anlatımı: Zaman serisi analizi II (ARIMA, öngörü) Sınıf-içi Uygulama (40 dk.): Statsmodels ile tahmin Sınıf-içi Tartışma (5 dk.): ARIMA’nın sınırlılıkları | 1. .Zaman serilerinde ARIMA ve öngörü konularının Python programlama dili ile uygulanmasına yönelik kaynakların incelenmesi, Kaynak: Ders Kitabı [3], 176-200 |
| 14 | Konu Anlatımı: Yapay zekâ tabanlı veri madenciliği ve makine öğrenmesine giriş Sınıf-içi Uygulama: (40 dk.): Lojistik regresyon, k-ortalamalar Sınıf-içi Tartışma: (5 dk.): ML ile klasik istatistiğin farkları | 1. Python programlama dili çerçevesinde yapay zeka ve makine öğrenme konularını için kaynak inceleme, Kaynak Ders Kitabı [3]: 201-225 |
| 15 | Proje Sunumları | Proje sunumuna hazırlanma |
| 16 | Final | |
