.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
Bu dersin amacı, öğrencilere işletmelerde veri analitiği konusunda temel kavramları, teknikleri ve uygulamaları öğretmek, veri tabanlı karar verme becerilerini geliştirmek ve işletmelerin rekabet avantajı elde etmelerini sağlamaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | İşletmeler için veri analitiğinin temel kavramlarını anlama. |
| 2 | Veri toplama, veri analizi ve veri görselleştirme yöntemlerini uygulama becerisi kazanma. |
| 3 | İşletme verilerini analiz ederek bilgi ve içgörüler elde etme becerisi geliştirme. |
| 4 | İşletme kararlarını veriye dayalı olarak alabilme ve stratejik yönetim süreçlerine veri analitiğini entegre etme becerisi kazanma. |
| 5 | Veri güvenliği, etik ve mahremiyet konularında farkındalık ve sorumluluk geliştirme. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri Analitiğine Giriş ve Temel Kavramlar | ||
| 2 | Veri Toplama ve Veri Ön İşleme | ||
| 3 | Veri Keşfi ve Görselleştirme | ||
| 4 | İstatistiksel Analizler ve Hipotez Testleri | ||
| 5 | Regresyon Analizi ve Tahmin Modelleri | ||
| 6 | Sınıflandırma ve Kümeleme Algoritmaları | ||
| 7 | Büyük Veri Analitiği ve Makine Öğrenimi | ||
| 8 | Derin Öğrenme ve Yapay Sinir Ağları | ||
| 9 | İş Zekası ve Veri Madenciliği | ||
| 10 | Müşteri Segmentasyonu ve Pazar Analizi | ||
| 11 | Risk Analizi ve Karar Destek Sistemleri | ||
| 12 | Veri Etiketi ve Gizlilik Konuları | ||
| 13 | Veri Odaklı Stratejik Karar Verme | ||
| 14 | Veri Analitiği Uygulamaları ve Gelecekteki Trendler | ||
| 15 | Final Sınavı |
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 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 75 | 75 |
| Final Sınavı | 1 | 75 | 75 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 4 | 5 | 5 |
| ÖÇ 2 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 3 | 5 | 5 | 5 | 5 | 5 | 5 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 4 | 5 | 5 | 5 | 5 | 5 | 5 | 4 | 4 | 4 | 5 | 5 | 3 | 3 | 5 | 5 |
| ÖÇ 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek