Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
SOSYAL MEDYA PAZARLAMASI VE ANALİZİ	Üçüncü Düzey	PAZ 520		2	7.00	7.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Yoktur. Temel bilgisayar becerisi ve programlama bilgisi önerilir.
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 + uygulamalı + proje tabanlı öğrenme + dijital platform destekli (Google Classroom destekli)
Dersin Amacı	Bu dersin amacı; Sosyal medya ekosistemini, pazarlama stratejilerini ve kullanıcı davranışlarını analiz etmek Sosyal medya verilerinden anlamlı bilgi üretme sürecini öğretmek Veri analitiği, veri madenciliği ve doğal dil işleme tekniklerini uygulamalı olarak kazandırmak Öğrencilerin gerçek veri ile çalışarak karar destek sistemleri geliştirmesini sağlamak
Dersin Tanımı	Bu ders, sosyal medyanın teknolojik ve sosyo-teknik gelişimi ile başlayarak, sosyal medya pazarlaması, büyük veri, veri madenciliği ve doğal dil işleme teknikleri kullanılarak sosyal medya verilerinin analiz edilmesini kapsamaktadır. Ders kapsamında öğrenciler: Veri → bilgi → kazanılmış bilgi dönüşümünü KDD (Knowledge Discovery) sürecini Sosyal medya pazarlama stratejilerini Gerçek veri setleri ile makine öğrenmesi ve NLP uygulamalarını

Dersin İçeriği

1	Bilişim, teknoloji ve dijital dönüşüm kavramları
2	Veri, bilgi, kazanılmış bilgi (knowledge) kavramları İş zekası nedir? İş analitiği nedir? Büyük veri nedir? Yapay zeka, derin öğrenme, makine öğrenimi kavramları
3	Sosyal medyanın gelişimi (Web 1.0 – Web 2.0 – Web 3.0), Büyük veri ve sosyal medya verisi, Endüstri 1,2,3,4 ve İnsan ve kalabalık kavramları Sosyo teknik sistemler
4	Sosyal medya platformları ve kullanıcı davranışları, Sosyal medya pazarlaması, Sosyal medya stratejileri ve kampanya yönetimi
5	Veri madenciliği ve veri tabanlarında bilgi keşfi süreci, Kümeleme ve örüntü keşfi
6	Veri yapıları, veri, dosya, kayıt, veri türleri Keşifsel veri analizi Veri analitik süreci
7	Veri ön işleme (temizleme, eksik veri, gürültü)
8	Metin verisi ve doğal dil işleme (NLP)
9	Duygu analizi (Sentiment Analysis)
10	Makine öğrenmesi ile sınıflandırma (SVM, RF vb.) Kümeleme ve sınıflandırma modelleri
11	Sosyal medya analitiği ve veri görselleştirme
12	Veri madenciliği uygulamaları, hazır paket programlar (WEKA, RapidMiner vs.)
13	Veri madenciliği uygulamaları (Python) ve ileri uygulamalar
14	Veri madenciliği uygulamaları (Python) ve ileri uygulamalar
15	Öğrenci ödev sunumları
16	Öğrenci ödev sunumları
17
18
19
20

Dersin Öğrenme Çıktıları

1	Sosyal medya ekosistemini analiz eder
2	Sosyal medya pazarlama stratejileri geliştirir
3	Sosyal medya verisini toplamayı bilir ve analiz etme yöntemlerini bilir
4	Veri ön işleme tekniklerini uygular
5	Doğal dil işleme tekniklerini bilir
6	Kümeleme, sınıflandırma, benzerlik ve duygu analizi yapar
7	Makine öğrenmesi modelleri kurar (başlangıç seviyesinde), yapar
8	Yapay zeka kavramlarını bilir
9	Sosyo-teknik bakış açısını anlar
10	Veri madenciliğini bilir

*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	3	3
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	0	0	0
Ara sınavlar	1	5	5
Proje (Yarıyıl ödevi)	1	40	40
Laboratuvar	5	3	15
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	0	0	0
Yarıyıl sonu sınavı	0	0	0
Araştırma	2	10	20
Toplam iş yükü			173
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	Data Mining: Concepts and Techniques- Jiawei Han, Micheline Kamber and Jian Big Data Analyticsm Theory, Techniques, Platforms, and Applications iÜmit Demirbaga , Gagangeet Singh Aujla , Anish Jindal , Oğuzhan Kalyon.
Yardımcı Kaynaklar	Makaleler online veri tabanları, big massive eğitim platformları (umdey, edx, coursera vs.).

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında