| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| İşletmeler İçin Metin Analitiği | MIS 410 | | | 3 + 0 | 3 | 5,00 |
| |
| 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 ile Metin Verileri: Karakter, Dizin ve Kelimeler |
| 2. Metin Ön-İşleme |
| 3. Metin Görselleştirme |
| 4. Kelime İlişkileri, Metin içindeki Sıklıklar ve Önemi |
| 5. Duygu Analizleri: Kelime ve Cümle Tabanlı |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Günümüz veri odaklı dünyasında, işletmeler veri odaklı karar vermeye ve verileri kullanılabilir bilgiye çevirmeye zorlanmaktadırlar. Özellikle metin verileri gibi büyük miktarda yapılandırılmamış bilgiyi kullanmak ve metinden iş değeri çıkarmak gün geçtikçe önemli hale gelmektedir. Bu derste, öğrencilere metin analitiğinin temellerini anlamalarına ve kullanmalarına yardım edecek araçlar ve yöntemler tanıtılacaktır. Kapsanacak konular arasında metin-normalizasyonu, belirteçleme (tokenization), cümle sınırı tespiti, n-gram, duygu analizi ve görselleştirme yer alır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Veri, Veri Tipleri ve Yapılandırılmamış Veri |
| 2 | R ve RStudio'ya Giriş |
| 3 | R: Metin İçe-Dışa Aktarım |
| 4 | R: Metin ile Döngüler, İşlemler ve Temel Fonksiyonlar |
| 5 | R: Text Analitik Paketleri |
| 6 | Karakter, Karakter Dizisi ve Kelimeler |
| 7 | Ön-İşleme: Text Normalizasyonu ve Tokenization |
| 8 | Kelime Sıklıkları ve Birliktelikleri, N-Gram |
| 9 | Metin Verisi Görselleştirme |
| 10 | Duygu Analizi: Kelime Tabanlı |
| 11 | Duygu Analizi: Cümle Tabanlı |
| 12 | Metinlerde Benzerlik |
| 13 | Öğrenci Sunumları |
| 14 | Öğrenci Sunumları |
| |
| Kaynaklar: |
| Text Mining with R: A Tidy Approach, Julia Silge and David Robinson, 2017 O'Reilly Media, Inc
Text Mining in Practice with R, Ted Kwartler, 2017, John Wiley & Sons Ltd |
| |
| Diğer Kaynaklar: |
| |
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler uygulama örnekleri ve vaka çalışmaları işle 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 (%) |
| Ödev | 4 | %40 |
| Term Project | 1 | %30 |
| Ders Katılımı | 0 | %10 |
| Final Sınavı | 1 | %20 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |