PROGRAMI
DERS TANITIM VE UYGULAMA BİLGİLERİ

Ders AdıKoduVerildiği YılVerildiği YarıyılSüresi (T+U)Yerel KredisiAKTS Kredisi
İşletmeler için Veri AnalitiğiMAN 4453 + 035,00
 
Ders Bilgileri
Dersin Öğretim Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Veriliş BiçimiYüz Yüze
 
Dersin Öğrenme Kazanımları:

Bu dersi başarı ile tamamlayan öğrenciler:
1. Veri işleme becerisi kazanabilecektir
2. Veri madenciliği tekniklerini algoritmik seviyede öğrenecektir.
3. Karar problemlerinin çözümünde veri analitiği tekniklerini kullanabilecektir
4. Özel durumları tespit edebilecek ve bunlara ilişkin özgün algoritmalar hazırlayabilecektir
5. Veri madenciliği problemlerini çözmek için bilgisayar paketlerini kullanabilecektir.
 
Dersin Önkoşulları ve Birlikte Alınması Gereken DerslerYok
Daha Önce Alınmış Olması Önerilen DerslerYok
 
Dersin Tanımı:

Derste işletmecilikte veri analitiği yöntemleri incelenmektedir. Dersin konuları şunlardan oluşmaktadır: Veri-analitiği yaklaşımı; işletme problemleri ve veri bilimi çözümleri; R programlamaya giriş; gözetimli ve gözetimsiz veri madenciliği; entropi ve bilgi kazanımı; öznitelik seçimi; sınıflandırma ağacı oluşturma; lojistik regresyon; destek-vektör makinaları; aşırı uygunluk ve bundan korunma; çapraz-doğrulama; en-yakın-komşu metodu; hiyerarşik kümeleme; k-means kümeleme; hata matrisi; model performansının görselleştirilmesi; kanıt ve olasılık; metin madenciliği; N-gram dizileri; temel birleşen analizi; veri esaslı nedensel akıl yürütme.
 
Dersin İçeriği (Haftalık Konu Dağılımı):
 
HaftaKonu
1Veri Analitiğine Giriş
2Veri Madenciliği Görevleri
3R Programlama Uygulamaları
4R Programlama Uygulamaları
5Gözetimli ve Gözetimsiz Veri Madenciliği; Entropi Ve Bilgi Kazanımı; Öznitelik Seçimi
6Sınıflandırma Ağacı Oluşturma;
7Vize sınavı
8Destek-Vektör Makinaları
9Lojistik Regresyon
10En-Yakın-Komşu Metodu
11Hiyerarşik Kümeleme; K-Means Kümeleme;
12Grup Proje Çalışması
13Grup Proje Çalışması
14Grup Proje Çalışması
 
Kaynaklar:
F. Provost and T. Fawcett (2013) Data Science for Business O'Reilly Media ISBN 1449361323
 
Diğer Kaynaklar:
I. H. Witten (2016) Data Mining: Practical Machine Learning Tools and Techniques Morgan Kaufmann ISBN 0128042915
 
Öğretim Yöntem ve Teknikleri:
Anlatım, problem çözümleri, örnek olay çalışması, soru-cevap, tartışma gibi çeşitli öğretim yaklaşımları kullanılmaktadır.
 
Değerlendirme Sistemi:
YöntemAdetKatkı (%)
Ara sınav1%30
Final Sınavı1%50
Ödev1%20
 
Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu?
Gerektirmiyor