GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| İST-725 | R İLE VERİ BİLİMİ | Seçmeli Ders Grubu | 2 | 3 | 6,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
R programlama dili ile Veri Biliminin sağladığı tüm modelleri anlamak ve uygulamak. Ayrıca Yapay Zeka ve Makine Öğrenmesine yönelik olarak R yazılımını öğretmek.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr.Öğr.Üyesi Murat GÜL
Öğrenme Çıktıları
| 1 | R editörünü öğrenir. |
| 2 | R'da Temel komutları öğrenir. |
| 3 | R'da fonksiyonları öğrenir. |
| 4 | Algoritma geliştirir. |
| 5 | Yapay Zeka ve Makine Öğrenmesi uygulamaları için R'da program yazar. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
R ortamı. R'da veri girişi. Verilerin R ile sınıflanıp gruplandırılması Fonksiyon, Kontrol, Döngü, Koşul, Yapay Zeka, Makine Öğrenmesi Uygulamaları
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | R editörü, paket yükleme | Yok | Yok |
| 2 | Veri tipleri ve Veri okuma | Yok | Yok |
| 3 | Vektörler, Listeler | Yok | Yok |
| 4 | Matris ve Diziler | Yok | Yok |
| 5 | Veri Çerçevesi | Yok | Yok |
| 6 | Kontrol ifadeleri ve Döngüler | Yok | Yok |
| 7 | Fonksiyonlar | Yok | Yok |
| 8 | Yapay Zeka ve Makine Öğrenmesi Giriş | Yok | Yok |
| 9 | Regresyon Modelleri | Yok | Yok |
| 10 | Lojistik Regresyon | Yok | Yok |
| 11 | Destek Vektör Makinesi | Yok | Yok |
| 12 | Karar Ağaçları | Yok | Yok |
| 13 | Yapay Sinir Ağları | Yok | Yok |
| 14 | Kümeleme K-Ortalamalar | Yok | Yok |
Ders Kitabı Malzemesi Önerilen Kaynaklar
[1] Bouveyron C., Celeux G., Murphy B., and E. Raftery A., 2019, Model-Based Clustering and Classification for Data Science With Applications in R, Cambridge. [2] Larose C.,Larose D., 2019, Data Science Using Python and R, Wiley. [3] S. Baumer B., Kaplan D., and Horton N., 2021, Modern Data Science with R, CRC Press(Taylor&Francis). [4] Hadley Wickham and Garrett Grolemund., 2017, R for Data Science, O’Reilly [5] Philippe D.B., 2021, The Big R-Book From Data Science To Learning Machines And Big Data, Wiley
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| 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 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| 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 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek