Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
---|---|---|---|---|---|
İST-551 | R İLE İSTATİSTİKSEL HESAPLAMA | Seçmeli Ders Grubu | 1 | 2 | 6,00 |
Yüksek Lisans
Türkçe
R ile İstatistiksel Hesaplama dersinin amacı, öğrencilere R programlama dilini kullanarak istatistiksel yöntemler ve veri analizi teknikleri hakkında kapsamlı bir anlayış sağlamaktır. Ders, öğrencileri güçlü bir açık kaynak istatistik yazılımı olan R kullanarak verileri etkin bir şekilde analiz etmek, yorumlamak ve görselleştirmek için gerekli becerilerle donatmayı amaçlamaktadır..
Dr.Öğr.Üyesi Murat GÜL
1 | R programında içe ve dışa veri aktarımı yapar. |
2 | R’da verileri temizler ve ön işlemeye tabi tutar. |
3 | R da regresyon modellerini oluşturup model seçimini yapar |
4 | R da parametrik olmayan regresyon modellerini uygular |
5 | R da zaman serisi analizi ile modelleme ve tahmin yapar. |
Birinci Öğretim
Yok
Yok
R base ve R studio ortamlarına giriş, veri içe ve dışa aktarma, veri temizleme ve önişleme, temel veri görselleştirme grafikleri, eksik ve aykırı değerleri işleme, Çoklu ve parametrik olmayan regresyon, Zaman serileri ile modelleme ve tahmin
Hafta | Teorik | Uygulama | Laboratuvar |
---|---|---|---|
1 | R ve R studio ortamına giriş | Yok | yok |
2 | R'da temel veri türleri ve veri yapıları | Yok | Yok |
3 | Verileri içe ve dışa aktarma | Yok | Yok |
4 | R'da veri temizleme ve ön işleme teknikleri | Yok | Yok |
5 | R kullanarak verileri özetleme ve görselleştirme | Yok | Yok |
6 | R'da tanımlayıcı istatistikler ve grafik teknikler | Yok | Yok |
7 | Eksik verileri ve aykırı değerleri işleme | Yok | Yok |
8 | R'da olasılık dağılımları ve hipotez testi | Yok | Yok |
9 | R’da Doğrusal regresyon modellerine giriş | Yok | Yok |
10 | R kullanarak model uydurma, tanılama ve yorumlama | Yok | Yok |
11 | R'da çoklu regresyon ve model seçim teknikleri | Yok | Yok |
12 | R'da zaman serisi ayrıştırma ve tahmin | Yok | Yok |
13 | R'da ARIMA ve mevsimsel modeller | Yok | Yok |
14 | R'da parametrik olmayan regresyon | Yok | Yok |
[1] Matloff, N. S. (2011). Art of R programming , No Starch Press , San Francisco, Calif. [2] Chang, Winston. R. (2018). Graphics Cookbook : Practical Recipes for Visualizing Data, Second edition. Sebastopol, CA: O’Reilly. [3] Kuhn, M., Johnson, K. (2013). Applied Predictive Modeling. Almanya: Springer [4] Sheather, S.(2009). A Modern Approach to Regression with R, Springer New York [5] Wickham, H., Grolemund, G. (2016). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. Amerika Birleşik Devletleri: O'Reilly Media.
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 |
Yok
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Ara Sınav | 1 | 2 | 2 |
Final Sınavı | 1 | 2 | 2 |
Derse Katılım | 14 | 3 | 42 |
Bireysel Çalışma | 14 | 8 | 112 |
Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
Final Sınavı içiin Bireysel Çalışma | 1 | 2 | 2 |
Toplam İş Yükü (saat) | 180 |
ÖÇ 1 |
ÖÇ 2 |
ÖÇ 3 |
ÖÇ 4 |
ÖÇ 5 |