Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
İŞ ANALİTİĞİ VE BÜYÜK VERİ Üçüncü Düzey ÜSY 621 Seçmeli 1 7.00 7.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Yoktur. Ancak programlama bilgisi tavsiye edilir.
Eğitimin Dili Türkçe
Koordinatör DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
Dersi Veren Öğretim Eleman(lar)ı DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Yüz yüze eğitim, laboratuvar ortamında uygulamalı çalışmalar, veri analizi uygulamaları ve proje tabanlı öğrenme yöntemleri ile yürütülmektedir. Ders kapsamında öğrenciler, Gerçek veri setleri ile analiz yapar, Python ve veri analitiği araçlarını kullanır, Hazır paket programlarını uygular, Bireysel ve grup projeleri geliştirir, Vaka analizleri gerçekleştirir.
Dersin Amacı Bu dersin amacı; öğrencilere iş analitiği ve büyük veri kavramlarını öğretmek, veri temelli karar verme becerisi kazandırmak ve analitik düşünme yetkinliklerini geliştirmektir.
Dersin Tanımı Bu ders, işletmelerde veri temelli karar verme süreçlerini destekleyen iş analitiği ve büyük veri kavramlarını kapsamaktadır. Ders kapsamında veri, bilgi ve kazanılmış bilgi dönüşümü, büyük veri teknolojileri, veri analitiği yöntemleri ve iş kararlarına etkileri ele alınmaktadır. Öğrenciler, gerçek veri setleri ile çalışarak veri toplama, veri ön işleme, analiz ve yorumlama süreçlerini uygulamalı olarak öğrenirler. Ders, teorik bilginin yanı sıra uygulama ve proje tabanlı öğrenmeyi içermektedir.

Dersin İçeriği
1 Giriş ve temel kavramlar, bilişim teknolojileri, YBSnin veri boyutu. Veri, bilgi ve kazanılmış bilgi dönüşümü, İş analitiği süreci
2 Büyük veri kavramı (Volume, Velocity, Variety, Value) Veri kaynakları ve veri toplama yöntemleri Veri madenciliği sürecine giriş
3 Veri ön işleme
4 Veri ön işleme NLP
5 Keşifsel veri analizi (EDA) Veri görselleştirme teknikleri Kümeleme yöntemleri
6 Modelleme Makine öğrenimi
7 Makine öğrenimi
8 Derin öğrenme
9 Derin öğrenme
10 Uygulamalar
11 Uygulamalar
12 Uygulamalar
13 Uygulamalar Sunumlar
14 Sunumlar
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 İş analitiği, veri analitiği, veri madenciliği, iş zekası kavramlarını açıklar, kavramları bilir.
2 Yapay zeka, makine öğrenimi, derin öğrenme kavramlarını bilir ve uygular.
3 Veri temelli karar verme süreçlerini analiz eder.
4 Veri toplama ve veri hazırlama süreçlerini uygular.
5 Veri modelleme yöntemlerini kullanabilir
6 Keşifsel veri analizi yapar, veri görselleştirme tekniklerini uygular
7 Sonuçları yorumlar
8 Veri temelli çözümler geliştirir
9 Analitik proje planlar, uygular
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Alanı ile ilgili nitel ve nicel verileri toplar, bilgisayar destekli programlarla analiz eder ve yorumlar.
2 İşletme bilimi ile ilgili alanlarda özgün bilimsel çalışma yaparak, ulusal ve uluslararası literatüre katkıda bulunur.
3 Yaptığı bilimsel çalışmaları araştırmacılara ve diğer yararlanıcılara makaleler yoluyla yazılı; seminer, sempozyum, konferans ve kongre bildirileri yoluyla sözlü olarak aktarır.
4 İşletme ve çevresine ilişkin ulusal ve uluslararası gelişmeleri takip eder, bunların işletme ve çevresi üzerindeki etkilerini tartışır.
5 İşletme bilimi ile ilgili alanlarda (yönetim, muhasebe, finansman, üretim yönetimi, pazarlama, sayısal yöntemler) ve iş yaşamında karşılaşılan toplumsal, bilimsel ve yönetimsel etik sorunları tespit eder ve bunlara çözüm üretir.
6 Üretim yönetiminde karşılaşılan problemler ve kullanılan yöntemler hakkında dünyadaki son gelişmeleri ve ortaya çıkan yeni yaklaşımları tartışır.
7 Üretim ve hizmet sektöründeki gerçek olaylar için standart süreleri tespit edip simülasyon modelleri tasarlar ve elde edilen sonuçları yorumlar.
8 İşletmenin farklı alanlarına ilişkin problemleri teorik alt yapılarını ve bağlamsal koşullarını dikkate alarak tartışır.
9 Mevcut bir problemin çözümünde kullanılan yöntemler arasındaki farkları, avantaj ve dezavantajları tartışır.
10 Literatürdeki bir çalışmaya farklı yöntemler uygular ve problemin çözümü için yeni yaklaşımlar ya da yeni yöntemler önerir.
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 3 42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 3 42
Ödevler 2 3 6
Sunum / Seminer hazırlama 1 5 5
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 0 0 0
Ara sınavlar 1 3 3
Proje (Yarıyıl ödevi) 1 40 40
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 1 3 3
Araştırma 2 15 30
Toplam iş yükü     171
AKTS     7.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 20
Kısa sınav 0 0
Ödev 1 20
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı McKinsey Global Institute Reports on Big Data and Analytics Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. Morgan Kaufmann. Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media. Cielen, D., Meysman, A., & Ali, M. (2016). Introducing Data Science: Big Data, Machine Learning, and More. Manning Publications.
Yardımcı Kaynaklar Davenport, T. – Competing on Analytics Makaleler, veri tabanları, Google Classroom notları ve videoları, veri setleri (Kaggle, Google data)

Ders İle İlgili Dosyalar