|
1. hafta |
TR: Verinin Tanimi: Veri okuryazarlığı nedir ve neden veri okuryazarlığı konusunda bilgi sahibi olmalıyız? |
|
2. hafta |
TR: Veri Kaynakları ve Türleri
Açık veri, şirket verisi, web verisi, kamu kayıtları.
Yapılandırılmış (R Veri cercevesi) vs. Yapılandırılmamış (Metin, ses, video) veri.
|
|
3. hafta |
TR: Sayısal ve Kategorik Veri Ayrımı
Sürekli, kesikli, nominal ve ordinal değişkenler.
|
|
4. hafta |
TR: Veri Etiği, Toplama ve Depolama
Veri gizliliği (KVKK/GDPR), yanlılık (bias) ve etik toplama yöntemleri.
Veri nerede saklanır? (Bulut, veri tabanı, yerel disk).
|
|
5. hafta |
TR: Veri depolama: R ile tanisma, tidyverse paketini inceleme |
|
6. hafta |
TR: TR: TR: Aciklayici Veri Analizi (EDA -1): Eksik veri (missing value) yönetimi, hatalı girişlerin düzeltilmesi, degisken tanimi. |
|
7. hafta |
TR: Değişkenleri Anlama ve Tanımlayıcı İstatistikler (EDA - 2)
Merkezi eğilim (Ortalama, Medyan) ve Yayılım (Standart Sapma, IQR). İlişkileri anlamlandırma: Korelasyon nedir? ( katsayısı).
|
|
8. hafta |
TR: Karşılaştırma ve Zaman Grafikleri
Sütun [yığın (stacked) ve yan-yana (dodged)], Çizgi ve Alan grafikleri, Radar grafikleri. Görselleştirmede "Veri-Mürekkep Oranı" ilkesi.
|
|
9. hafta |
TR: Veri Gorsellestirme: Histogram, Yoğunluk Eğrisi, Kutu grafigi, Viyolin grafikleri, sacilim grafigi, isi grafigi; lejantlar |
|
10. hafta |
TR: Veri gorsellestirme: Bir grafikten nasıl sonuç çıkarılır? Bulguları etkili bir şekilde sunma teknikleri. |
|
11. hafta |
Veri Bilimi ve Makine Öğrenmesi Dünyasına Giriş: Veri bilimci ne iş yapar? Roller (Analist, Mühendis, Bilimci). Veri biliminde kullanılan araçlar:
|
|
12. hafta |
Veri Bilimi ve Makine Öğrenmesi Dünyasına Giriş :Makine Öğrenmesinde Temel Kavramlar: Denetimli ve Denetimsiz Öğrenme, Model Başarısı |
|
13. hafta |
TR: Makine Öğrenmesine Giris: Denetimli Öğrenme, Regresyon ve Sınıflandırma Mantığı, Doğrusal regresyon uygulaması, KNN (K-En Yakın Komşular) algoritması uygulaması |
|
14. hafta |
TR: Denetimsiz Öğrenme: Kümelemenin Mantığı,
Üretken Yapay Zeka (GenAI) ve büyük dil modellerinin verilerle ilişkisi |
Eskişehir Teknik Üniversitesi