Akademik Dersler - Tanıtım


Ders Kodu - Ders Adı	ENM526 - İleri Veri Analitiği
Ders Türü	Seçmeli Dersler
Ders Dili	Türkçe
Teori + Uygulama	3+0
AKTS	7.5
Öğretim Elemanları	DOKTOR ÖĞRETİM ÜYESİ ZEYNEP İDİL ERZURUM ÇİÇEK
Dersin Veriliş Biçimi	Yüz yüze
Dersin Önkoşulları	Bu dersin önkoşul ya da eş koşulları bulunmamaktadır.
Önerilen Dersler
Zorunlu ya da Önerilen Kaynaklar	• Moreira, João, Andre Carvalho, and Tomás Horvath. A general introduction to data analytics. John Wiley & Sons, 2018.• Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.".• Practical Statistics for Data Scientists (2020). Peter Bruce & Andrew Bruce, O'Reilly• Python Data Science Handbook: Essential Tools for Working with Data (2016). Jake VanderPlas, O'Reilly
Okuma Listesi
Değerlendirme	1 arasınav, 1 ödev, 1 proje, 1 final
Staj & Uygulama
Sürdürülebilir Kalkınma Amaçları

Haftalar	Konular
1. hafta	Veri ve veri analitiğine giriş, veri analitiklerinin sınıflandırılması ve tarihçesi
2. hafta	Temel tanımlar ve farklı veri türlerinin yönetimi
3. hafta	Veri toplama
4. hafta	Keşifsel veri analizi: Tek değişkenli, iki değişkenli ve çok değişkenli analiz
5. hafta	Veri kalitesi ve önişleme
6. hafta	Farklı tür verilerdeki eksik veri sorunları ve çözüm yöntemleri
7. hafta	Aykırı veriler ve tespit yöntemleri
8. hafta	Veri manipülasyonu (Dönüşüm, yeniden ölçeklendirme)
9. hafta	Veri görselleştirme (Tek değişkenli, iki değişkenli ve çok değişkenli verisetlerinde görselleştirme, kelime bulut, infografik, dashboard, hikayeleştirme)
10. hafta	Boyut indirgeme (Veri birleştirme, temel bileşen analizi)
11. hafta	Öznitelik seçimi (Filtreleme ve sarmalama tabanlı yöntemler)
12. hafta	Sık desen madenciliği (Sık öge kümeleri, birliktelik kuralları)
13. hafta	Dengesiz veri setlerinde yeniden örnekleme (Aşırı ve eksik örnekleme yöntemleri)
14. hafta	Proje sunumları

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Toplam (%)		0