Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
R ile İstatistik UygulamalarıIST311023200
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ İstatistik Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik Birimİstatistik Bölümü
Dersin KoordinatörüErhan Çene
Dersi Veren(ler)Erhan Çene
Asistan(lar)ı
Dersin AmacıBu dersin amacı, öğrencilerin R istatistiksel programlama dilini giriş seviyesinde öğrenmelerini sağlamak ve bu programlama diliyle veri dönüştürme, veri görselleştirme ve hipotez testi gibi temel kavramları uygulatmaktır.
Dersin İçeriğiR programlama dilinde veri türleri , kontrol ifadeleri, veri temizleme, eksik gözlemler, betimleyici veri analizi ve ggplot 2 ile veri görselleştirme, dplyr ile veri dönüştürme, r ile hipotez testleri
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • R for Data Science, Garrett Grolemund, Hadley Wickham
  • R Programming for Data Science, Roger D. Peng,
  • Practical Data Science with R, Nina Zumel
  • Data Manipulation with R, Phil Spector
  • Efficient R programming, Colin Gillespie
  • Exploratory Data Analysis with R, Roger D. Peng
  • Introduction to Statistical Learning with Applications in R, Gareth James
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci R dili ile istatistik programları çalıştırabilir, kodları geliştirebilir ve bunlarla istatistik uygulamalar yapabilir,
  2. Bu dersi alan öğrenciler istatistik alanında yazılan R kodlarını rahatlıkla anlar,
  3. R ile Betimsel analizler yapar,
  4. R ile Grafik çizer,
  5. R ile istatistik analiz yapar.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Bilimine Giriş, R'de Verileri İçe AktarmaR Programming for Data Science, Bölüm 5
2R'deki Veri Türleri: Vektörler, Faktörler, Matris, Veri Çerçeveleri, Listeler, tarihler ve saatlerR Programming for Data Science, Bölüm 4, 9, 10
3Kontrol İfadeleri, Veri Temizleme, Eksik Değerlerin İşlenmesiR Programming for Data Science, Bölüm 13,14
4Vaka Çalışması 1
5Keşif Veri Analizi ve Veri GörselleştirmeleriR Programming for Data Science, Bölüm 4,9
6dplyr ve tidyverse ile Veri ManipülasyonuR Programming for Data Science, Bölüm 12
7Vaka Çalışması 2
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Hipotez testi ve Çıkarımsal İstatistikDers Notları
10rstatix paketiDers Notları
11Vaka Çalışması 3
12Metin Manipülasyonu ve Düzenli İfadelerR Programming for Data Science, Bölüm 17
13Vaka Çalışması 4
14Proje Sunumları
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 Saati142
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması142
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler115
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