GERİ DÖN

Ders Öğretim Planı


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
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek