Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
İŞ ANALİTİĞİ VE BÜYÜK VERİ İkinci Düzey YBS 502 Seçmeli 1 7.00 7.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Yoktur. Ancak ogrencilerin kodlama bilmeleri gereklidir.
Eğitimin Dili Türkce
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, uygulamalı, proje tabanlı, bilgisayar destekli
Dersin Amacı Bu dersin amacı, büyük veri, iş analitiği ve yapay zekâ tekniklerinin bilişim sistemleri kapsamında anlaşılması ve uygulanmasıdır. Ders kapsamında öğrencilerin; veri analitiği süreçlerini kavramaları, büyük veri türlerini analiz etmeleri ve yapay zekâ temelli analitik uygulamalar geliştirmeleri hedeflenmektedi
Dersin Tanımı Bu ders, büyük veri analitiği, iş analitiği ve yapay zekâ uygulamalarının bilişim sistemleri çerçevesinde ele alındığı, veri odaklı analiz ve modelleme tekniklerinin uygulamalı olarak gerçekleştirildiği bir derstir.

Dersin İçeriği
1 Veri, veri analizi ve veri analitiği kavramları
2 İş analitiği ve veri temelli karar verme
3 Analitik süreç (problem tanımı, veri, modelleme, değerlendirme)
4 Veri türleri
5 Büyük veri kavramı ve özellikleri (5V: volume, velocity, variety, vb.) Büyük veri türleri (yapısal, yarı yapısal, yapısal olmayan veri)
6 Büyük veri kaynakları (sosyal medya, IoT, web verisi vb.)
7 Veri toplama ve veri ön işleme
8 Veri temizleme ve veri hazırlama
9 Keşifsel veri analizi (EDA)
10 Veri görselleştirme teknikleri
11 Yapay zekâya giriş Makine öğrenmesi temelleri Denetimli öğrenme yöntemleri Denetimsiz öğrenme yöntemleri
12 Derin öğrenmeye giriş
13 Metin madenciliği ve NLP uygulamaları
14 Büyük veri analitiği uygulamaları İş analitiği uygulamaları Veri analitiği uygulama çalışmaları Analitik sonuçların yorumlanması ve raporlanması
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Veri, veri analizi ve veri analitiği kavramları
2 İş analitiği ve veri temelli karar verme
3 Analitik süreç (problem tanımı, veri, modelleme, değerlendirme)
4 Veri türlerini bilir
5 Büyük veri kavramı ve özellikleri (5V: volume, velocity, variety, vb.)
6 Büyük veri türleri (yapısal, yarı yapısal, yapısal olmayan veri)
7 Büyük veri kaynakları (sosyal medya, IoT, web verisi vb.)
8 Veri toplama ve veri ön işleme yapar
9 Veri temizleme ve veri hazırlama
10 Keşifsel veri analizi (EDA) Veri görselleştirme teknikleri Yapay zekâya giriş Makine öğrenmesi temelleri Denetimli öğrenme yöntemleri Denetimsiz öğrenme yöntemleri Derin öğrenmeye giriş Metin madenciliği ve NLP uygulamaları Büyük veri analitiği uygulamaları İş analitiği uygulamaları Veri analitiği uygulama çalışmaları Analitik sonuçların yorumlanması ve raporlanması

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Yönetim Bilişim Sistemleri (YBS) alanında ileri düzey bilgiye sahip olur.
2 Veri, insan, süreç, teknoloji ve yazılım bileşenlerini bütüncül olarak analiz eder.
3 Sosyo-teknik sistem yaklaşımı ile karmaşık problemleri basit, yenilikçi şekilde analiz eder.
4 Bilişim sistemlerini stratejik karar süreçlerinde etkin şekilde kullanır.
5 Yazılım ve veri temelli çözümler geliştirir.
6 Disiplinlerarası bilgi birikimini entegre ederek yenilikçi çözümler üretir.
7 Veri analitiği, makine öğrenmesi, derin öğrenme ve yapay zekâ tekniklerini uygular.
8 Bilimsel araştırma yöntemlerini kullanarak bağımsız çalışma yürütür.
9 Dijital dönüşüm süreçlerinin farkındadır, analiz eder ve yönetir.
10 Ulusal ve uluslararası bilimsel çalışmaları ve stratejik inovatif teknolojileri takip eder ve katkı sağlar.
11 İnsan merkezli tasarımları analiz eder, geliştirir, uygular ve yönetir.
12 Yeni teknolojilerin etik, sosyal ve yönetsel etkilerini değerlendirir.
13 Akademik ve profesyonel etik ilkelere uygun hareket eder.
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 0 0 0
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 0 0 0
Ödevler 0 0 0
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 0 0 0
Ara sınavlar 0 0 0
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 0 0 0
Araştırma 0 0 0
Toplam iş yükü     0
AKTS     0.00

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 Foster Provost & Tom Fawcett Data Science for BusinessMartin Kleppmann Designing Data-Intensive Applications
Yardımcı Kaynaklar Han &Kamber,, Data mining concepts and techniques, Makaleler

Ders İle İlgili Dosyalar