VERİ ANALİTİĞİ DERS TANITIM VE UYGULAMA BİLGİLERİ

Kodu	Dersin Adı	Yarıyıl	Süresi(T+U)	Kredisi	AKTS Kredisi
VBA106	VERİ ANALİTİĞİ	2	3	3	7

DERS BİLGİLERİ
Dersin Öğretim Dili :	Türkçe
Dersin Düzeyi	LİSANS, TYY: + 6.Düzey, EQF-LLL: 6.Düzey, QF-EHEA: 1.Düzey
Dersin Türü	Zorunlu
Dersin Veriliş Şekli	-
Dersin Koordinatörü	Dr.Öğr.Üyesi YEŞİM NALKESEN AKIN
Dersi Veren Öğretim Üyesi/Öğretim Görevlisi	Dr.Öğr.Üyesi ENGİNCAN YILDIZ
Ders Ön Koşulu	Yok

AMAÇ VE İÇERİK
Amaç:	Bu dersin amacı, öğrencilerin veri analitiğine ilişkin temel kavramları öğrenmelerini; veriyi toplama, düzenleme, temizleme, analiz etme, görselleştirme ve yorumlama süreçlerini uygulayabilmelerini sağlamaktır. Ders kapsamında öğrencilerin nicel verilerle çalışma becerisi kazanmaları, farklı veri türlerini tanımaları, temel istatistiksel analizleri kullanabilmeleri ve elde edilen bulguları anlamlı sonuçlara dönüştürebilmeleri hedeflenmektedir. Ayrıca öğrencilerin karar alma süreçlerinde veriye dayalı düşünme becerisi geliştirmeleri ve analiz sonuçlarını açık, anlaşılır ve etkili biçimde raporlayabilmeleri amaçlanmaktadır. **Dersin İçeriği:** Bu derste veri analitiğinin temel kavramları, veri türleri, veri toplama yöntemleri, veri temizleme, veri düzenleme ve ön işleme süreçleri ele alınır. Betimsel istatistikler, frekans dağılımları, çapraz tablolar, ortalama, medyan, standart sapma gibi temel ölçütler incelenir. Veri görselleştirme kapsamında tablo, grafik ve görsel sunum teknikleri değerlendirilir. Ders kapsamında temel analiz yaklaşımları, değişkenler arası ilişki kurma, verilerin yorumlanması, bulguların raporlanması ve karar destek süreçlerinde kullanılması uygulamalı olarak işlenir. Ayrıca büyük veri, veri madenciliği, temel makine öğrenmesi yaklaşımları, veri etiği, gizlilik ve güvenilirlik konuları ders kapsamında değerlendirilir. Ders, örnek veri setleri üzerinden yapılan analiz uygulamaları ve raporlama çalışmalarıyla desteklenir.
İçerik:	Bu derste veri analitiğinin temel kavramları, veri türleri, veri toplama yöntemleri, veri temizleme, veri düzenleme ve ön işleme süreçleri ele alınır. Betimsel istatistikler, frekans dağılımları, çapraz tablolar, ortalama, medyan, standart sapma gibi temel ölçütler incelenir. Veri görselleştirme kapsamında tablo, grafik ve görsel sunum teknikleri değerlendirilir. Ders kapsamında temel analiz yaklaşımları, değişkenler arası ilişki kurma, verilerin yorumlanması, bulguların raporlanması ve karar destek süreçlerinde kullanılması uygulamalı olarak işlenir. Ayrıca büyük veri, veri madenciliği, temel makine öğrenmesi yaklaşımları, veri etiği, gizlilik ve güvenilirlik konuları ders kapsamında değerlendirilir. Ders, örnek veri setleri üzerinden yapılan analiz uygulamaları ve raporlama çalışmalarıyla desteklenir.

DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.)

HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI
Hafta	Ön Hazırlık	Konular	Yöntem

KAYNAKLAR

ÖLÇME VE DEĞERLENDİRME
Yarıyıl İçi Yapılan Çalışmaların Ölçme ve Değerlendirmesi	Etkinlik Sayısı	Katkı Yüzdesi	Açıklama	Sınav Yapılma Şekli
Ara Sınav (Vize)	1	50		Klasik Sınav
DÖNEM SONU- Sınavı (Final)	1	50		Klasik Sınav
TOPLAM	2	100

(0) Etkisiz	(1) En Düşük	(2) Düşük	(3) Orta	(4) İyi	(5) Çok İyi
0	1	2	3	4	5

BİLGİ
Kuramsal
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiğinin temel bileşenlerine hâkim olur; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilir.
2	Öğrenci, hem yapılandırılmış hem de yapılandırılmamış veri tiplerini analiz etme becerisine sahiptir; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilir.
3	Öğrenci, veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilir; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilir.

BİLGİ
Olgusal
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilir.
2	Öğrenci, karmaşık veri odaklı problemleri analiz edebilir, uygun çözüm yolları geliştirebilir ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilir.

BECERİLER
Bilişsel
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilir, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilir; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilir.

BECERİLER
Uygulamalı
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilir; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilir, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilir.

YETKİNLİKLER
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilir, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilir; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilir.

YETKİNLİKLER
Öğrenme Yetkinliği
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahiptir; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilir.

YETKİNLİKLER
İletişim ve Sosyal Yetkinlik
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilir; çok disiplinli takımlarda etkin biçimde çalışabilir, iletişim kurabilir ve iş birliğine dayalı çözümler geliştirebilir.

YETKİNLİKLER
Alana Özgü Yetkinlik
	Program Yeterlilikleri/Çıktıları	Katkı Düzeyi
		0	1	2	3	4	5
1	Öğrenci, veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkimdir; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilir, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket eder.

DERSİN İŞ YÜKÜ VE AKTS KREDİSİ
Öğrenme-Öğretme Etkinlikleri İş Yükü
Öğrenme-Öğretme Etkinlikleri	Etkinlik(hafta sayısı)	Süresi(saat sayısı)	Toplam İş Yükü
Ders	0	0	0
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme	0	0	0
Arazi Çalışması	0	0	0
Grup Çalışması / Ödevi	0	0	0
Laboratuvar	0	0	0
Okuma	0	0	0
Ödev	0	0	0
Proje Hazırlama	0	0	0
Seminer	0	0	0
Staj	0	0	0
Teknik Gezi	0	0	0
Web Tab. Öğrenme	0	0	0
Uygulama	0	0	0
Yerinde Uygulama	0	0	0
Mesleki Faaliyet	0	0	0
Sosyal Faaliyet	0	0	0
Tez Hazırlama	0	0	0
Alan Çalışması	0	0	0
Rapor Yazma	0	0	0
Final Sınavı	0	0	0
Final Sınavı Hazırlığı	0	0	0
Ara Sınav	0	0	0
Ara Sınav Hazırlığı	0	0	0
Kısa Sınav	0	0	0
Kısa Sınav Hazırlığı	0	0	0
TOPLAM	0	0	0