Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Programlama ile Veri BilimiMTM470236300
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Matematik Mühendisliği Lisans Programı
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin KoordinatörüMuhammet Kurulay
Dersi Veren(ler)Muhammet Kurulay
Asistan(lar)ı
Dersin AmacıÖğrencilere veri biliminde kullanılan betimleyici ve çıkarımsal istatistiksel yöntemleri bilgisayar ortamında kullanma becerisi kazandırmak.
Dersin İçeriğiİstatiksel programlamaya genel bakış, istatiksel programlama dilleri hakkında genel bilgi, istatiksel programlama dilinin kurulumu ve kullanılması istatistiksel programlama dilinin sentaks yapısı, veriye erişim, verinin keşfi ve doğrulanması verinin hazırlanması, verinin analizi, raporlanması ve sonuçların sunulması, İstatiksel programda SQL kullanımı, veri adımı işleme, verileri özetleme, verileri fonksiyonlarla işleme, özel Biçimler Oluşturma, Tabloları Birleştirme, tekrarlayan Kodu İşleme, Yeniden Yapılandırma Tabloları, tek örneklem için t-testi, iki örneklem için t-testi, grafiksel analiz, tek yönlü ANOVA, Pearson korelasyonu, lineer regresyon, iki yönlü ANOVA, çoklu regresyon, anlamlılık düzeyini kullanarak aşamalı seçim, Bilgi kriterleri ve diğer seçim opsiyonları, çıkarım için (Post-Fitting) Model: rezidülerin incelenmesi, etkili gözlemler, doğrusallık, tahmine dayalı model oluşturma ve tahmin için puanlama, Kategorik verileri tanımlama, Ki-Kare testi, lojistik regresyon
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Python for Data Science: 2 Books in 1. A Practical Beginner's Guide to learn Python Programming, introducing into Data Analytics, Machine Learning, Web Development, with Hands-on Projects, Erick Thompson, 2020
  • Python for Data Science: The Ultimate Step-by-Step Guide to Python Programming. Discover How to Master Big Data Analysis and Understand Machine Learning, Daniel O'Reilly, 2021
  • R for Data Science, Hadley Wickhma, Garett Grolemund, 2017, O’Reilly Media
  • R ile istatistiksel programlama, İlker Arslan, 2015, Pusula Yayıncılık.
  • SAS Programming 1: Essentials Course Notes, Stacey Syphus and Beth Hardin, 2018, SAS institute Inc.
  • SAS Programming 2: Data Manipulation Techniques Course Notes, Stacey Syphus, Beth Hardin and Michele Ensor., 2020, SAS institute Inc.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. İstatiksel bir programlama dili öğrenir.
  2. Verilerin yönetimini öğrenir.
  3. Betimleyici istatistik yöntemlerini bilgisayar ortamında kullanma becerisi kazanır.
  4. Çıkarımsal istatistik yöntemlerini bilgisayar ortamında kullanma becerisi kazanır.
  5. Gerçek hayat problemlerinin istatiksel analizini bilgisayar ortamında yapma becerisi kazanır.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1İstatiksel programlamaya genel bakış, istatiksel programlama dilleri hakkında genel bilgi, istatiksel programlama dilinin kurulumu ve kullanılması
2İstatistiksel programlama dilinin sentaks yapısı, veriye erişim, verinin keşfi ve doğrulanması
3Verinin hazırlanması, verinin analizi, raporlanması ve sonuçların sunulması, İstatiksel programda SQL kullanımı
4Veri adımı işleme, verileri özetleme, verileri fonksiyonlarla işleme
5Özel Biçimler Oluşturma, Tabloları Birleştirme
6Tekrarlayan Kodu İşleme, Yeniden Yapılandırma Tabloları
7Tek örneklem için t-testi, iki örneklem için t-testi, grafiksel analiz
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Tek yönlü ANOVA, Pearson korelasyonu, lineer regresyon
10İki yönlü ANOVA, çoklu regresyon
11Anlamlılık düzeyini kullanarak aşamalı seçim, Bilgi kriterleri ve diğer seçim opsiyonları
12Çıkarım için (Post-Fitting) Model: rezidülerin incelenmesi, etkili gözlemler, doğrusallık
13Tahmine dayalı model oluşturma ve tahmin için puanlama, Kategorik verileri tanımlama, Ki-Kare testi
14Lojistik regresyon
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler130
Seminer/Workshop
Ara Sınavlar130
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması136
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler120
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)115
Final (Sınav Süresi + Sınav Hazırlık Süresi)115
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok