.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| IST522 | İşletmeler İçin Veri Analitiği | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
İşletmelerin veriye dayalı olarak karar almalarını sağlamak için veri analitiğinin temel kavram ve yaklaşımlarını kullanarak, analitiği işletmenin ortak anlayışına dönüştürebilme yetisinin kazanılması.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr. Öğr. Üyesi Mustafa Çoruh
Öğrenme Çıktıları
| 1 | İşletme veri analitiğinin temel kavramlarını ve türlerini tanımlayabilme. |
| 2 | Tanımlayıcı ve keşfedici analiz tekniklerini bilme ve kullanabilme. |
| 3 | Veri analitiği , veri analizi, işletme analitiği, iş zekası ve veri bilimi kavramları arasındaki farklılıkları tanımlayabilme. |
| 4 | Veri temizleme ve farklı grafikleri kullanarak veri görselleştirme yapabilme. |
| 5 | Analiz sonunda belirlenen veriye dayanan çözümlerin hikayeleştirilerek ilgili paydaşlara sunumunu yapabilme. |
| 6 | İşletmelerde bir veri analitiği projesi geliştirebilme. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
yok
Ders İçin Önerilen Diğer Hususlar
Proje: A Milli Futbol takımı için veri analitiği uygulama projesi hazırlayınız.
Dersin İçeriği
Dersin amacının gerçekleştirilmesi için örnek işletme verileri üzerinde veri temizleme, betimleyici ve kestirimci analizler yoluyla verilerin excel yardımıyla analiz edilmesi, görselleştirilmesi ve powerpoint yardımıyla verilerin hikayesinin anlatılması sağlanmaktadır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri Analitiği ve Dersin Tanıtımı | ||
| 2 | Veri Analitiğine Giriş | ||
| 3 | Tanımlayıcı ve Keşfedici Veri Analitiği Kavramları | ||
| 4 | Kestirimci Veri Analitiği Kavramları | ||
| 5 | Veri Analisti kimdir? | ||
| 6 | Veri Analitiği , Veri Analizi, İş Zekası ve Veri Bilimi Arasındaki Farklılıklar | ||
| 7 | Veri Temizleme ve Düzeltme | ||
| 8 | Vize Sınavı | ||
| 9 | Tanımlayıcı İstatistik ve Keşifsel Veri Analizi | ||
| 10 | Tanımlayıcı İstatistik ve Keşifsel Veri Analizi Devam | ||
| 11 | Veri Görselleştirme | ||
| 12 | Hikaye Anlatımı | ||
| 13 | Final Sınavı İçin Öğrenci Projelerinin Sunumu | ||
| 14 | Final Sınavı İçin Öğrenci Projelerinin Sunumu |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1 Albayrak, T., & Lawrence, D. (2018). Veri Analitiği: İş Problemlerini Çözmek İçin Veri Bilimi. Papatya Yayıncılık. 2 Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media. 3 James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning: With Applications in R. Springer. 4 Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 50 |
| Proje Sunma | 1 | 50 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 2 | 28 |
| Proje Hazırlama | 1 | 30 | 30 |
| Proje Sunma | 1 | 10 | 10 |
| Bireysel Çalışma | 14 | 3 | 42 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 20 | 20 |
| Toplam İş Yükü (saat) | 152 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
| ÖÇ 6 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek