| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Veri Bilimi için Programlama | MIS 207 | | | 3 + 0 | 3 | 4,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. R ve RStudio Programı |
| 2. Temel R Sözdizimi |
| 3. Hesap Makinesi Olarak R |
| 4. R ve Veri Tipleri |
| 5. R Temel Programlama |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Veri Bilimi için Programlama dersi öğrencilerin veri ile ilgili programlama alt yapılarının geliştirilmesi için tasarlanmıştır. R yazılımı kullanılarak, ihtiyaç duyacakları temel R programlaması ve kullanımı konuları içerilmiştir. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrencilerin, ChatGPT, Gemini ve Copilot gibi üretken yapay zeka araçlarını, problem çözme konusunda rehberlik almak, kendi çözümlerini yapay zeka tarafından üretilen yanıtlarla karşılaştırmak ve hatalarını tespit etmek için çözümleri adım adım analiz etmek amacıyla kullanmaları teşvik edilecektir. Bu uygulama öğrencilerin eleştirel düşünme ve problem çözme becerilerini geliştirecektir. Yapay zeka öğrenme sürecinde değerli bir destek aracı olarak hizmet etse de, öğrencilerin üretilen çıktıları eleştirel bir bakış açısıyla değerlendirmeleri ve bağımsız analitik düşünme yetilerini güçlendirmeleri teşvik edilecektir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş: Veri Bilimi İçin Programlama |
| 2 | R ve RStudio Kurulumu |
| 3 | R ve RStudio için Kaynaklar |
| 4 | Temel RStudio Kullanımı |
| 5 | Temel R Komutları |
| 6 | R'da Veri Tipleri |
| 7 | Sayısal/Mantıksal/Kategorik İşlemler |
| 8 | Mantıksal İşlemlerin Daha Fazla Kullanımı |
| 9 | R Programlama: If Yapısı |
| 10 | R Programlama: Döngüler |
| 11 | R Programlama: Functions |
| 12 | R Programlama: Alt-Küme Seçimi |
| 13 | R ile Zaman Serisi Objesi |
| 14 | Zaman Serisinde Aralık ve Gözlem Seçimleri |
| |
| Kaynaklar: |
| Roger D. Peng, R Programming for Data Science (2022), Free Online Book
Grolemund, G. Hands-on programming with R: Write your own functions and simulations, (2014). O'Reilly Media, Inc.
|
| |
| Diğer Kaynaklar: |
| |
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler uygulama örnekleri ile desteklenerek öğrencilere uygulama alanında tecrübe kazanmaları sağlanacaktır. Sınıf içinde öğrencilerin tartışmalara katılmaları teşvik edilecek ve grup olarak yapılan çalışmalar ve sunumları ile takım çalışması tecrübesi kazanmaları sağlanacaktır |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Aktiviteler | 1 | %20 |
| Ödev | 6 | %60 |
| Final Sınavı | 1 | %20 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Bilişim teknolojileri altyapısını öğrenmek ve gelişmeleri takip etmek. | 1 |
| 2 | Örgüt yapısına uygun bilişim sistemleri tasarlamak. | 1 |
| 3 | Yazılım bilgileri edinmek ve etkin bir şekilde kullanabilmek. | 4 |
| 4 | Veri toplama, temizleme ve saklama yöntemlerini öğrenmek. | 4 |
| 5 | Gelecekteki veri ve yazılım gereksinimlerini tahmin edebilmek. | 4 |
| 6 | Firma içindeki veri odaklı yönetim süreçlerini takip etmek. | 3 |
| 7 | "Büyük Veri" kullanarak bilgi elde etme yöntemlerini öğrenmek. | 0 |
| 8 | Bilgi teknolojilerindeki gelişmeleri takip etmek. | 0 |
| 9 | Bir kuruluşun bilgi teknolojileri ve veri problemlerini anlamak ve değerlendirmek. | 2 |
| 10 | Veri toplama, yorumlama, analiz etme ve yayma süreçlerinde bilimsel, sosyal ve etik standartları korumak. | 0 |
| 11 | Bilgi sistemleri arasındaki birlikte çalışabilirliği anlamak. | 0 |
| 12 | İş ortamını anlamak ve değerlendirmek. | 0 |