Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| R İLE PROGRAMLAMA | ITF3120260 | Güz Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | R ile Programlama dersi, öğrencilere veri analizi ve istatistiksel hesaplamalar için kullanılan R programlama dilinin temelini oluşturmayı amaçlar. Bu ders, öğrencilere veri manipülasyonu, görselleştirme, istatistiksel analizler ve programlama konularında sağlam bir temel kazandırarak, veri odaklı problemleri çözebilme yeteneklerini geliştirmeyi hedefler. R dilinin temel yapıları, fonksiyonlar, veri yapıları ve paketlerin kullanımı gibi konular ele alınarak, öğrencilerin veri bilimi projelerinde etkili bir şekilde çalışabilmesi için gerekli beceriler kazanmaları amaçlanır. Bu ders, öğrencilere veri odaklı kararlar alabilme yeteneği kazandırarak, günümüzün veri yoğun dünyasında rekabetçi bir avantaj sağlamayı hedefler. |
| Dersin İçeriği | Bu ders; Temel Kavramlar ve R Girişi: Programlamaya Giriş ve R'ın Önemi R ve RStudio Kurulumu,Temel Kavramlar ve R Girişi (Devam): Temel Veri Tipleri ve Değişkenler Temel Operatörler ve Fonksiyonlar,Veri Yapıları ve Koşullu İfadeler: Vektörler ve Matrisler Listeler ve Veri Çerçeveleri,Veri Yapıları ve Koşullu İfadeler (Devam): Koşullu İfadeler (if-else) Döngüler: for ve while,Fonksiyonlar ve Paketler: Fonksiyon Tanımlama ve Kullanımı Özel Fonksiyonlar Oluşturma,Fonksiyonlar ve Paketler (Devam): R Paketleri ve Kütüphaneleri Popüler R Paketlerine Giriş,Veri Manipülasyonu ve Görselleştirme: Veri Seti Oluşturma ve Düzenleme Temel Veri Manipülasyon İşlemleri,Ara Sınav,Veri Manipülasyonu ve Görselleştirme (Devam): Temel Veri Görselleştirme Araçları R Markdown ile Raporlama,İstatistiksel Analizler ve Makine Öğrenmesi: Temel İstatistiksel Analizler Temel Makine Öğrenmesi Algoritmalarına Giriş,İstatistiksel Analizler ve Makine Öğrenmesi (Devam): Basit Bir Makine Öğrenmesi Modeli Oluşturma Model Sonuçlarını Değerlendirme,Uygulama ve Proje Çalışması: Bölüm 1 Proje Konsepti ve Alan Belirleme Veri Toplama ve Temizleme Temel Analizlerin Uygulanması,Uygulama ve Proje Çalışması: Bölüm 2 Makine Öğrenmesi Modelinin Uygulanması Model Sonuçlarının Değerlendirilmesi Sonuçların Raporlanması,Proje Çalışması, Raporlama ve Sunumlar: Bölüm 1 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık,Proje Çalışması, Raporlama ve Sunumlar: Bölüm 2 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Bu dersi başarılı olarak tamamlayan öğrencilerin kazanması amaçlanan yetenekler ve sahip olması beklenen bilgi düzeyini içeren öğrenme çıktıları şu şekilde sıralanabilir. Öğrenciler, | ||
| 1. R programlama dilini kullanarak temel veri manipülasyonu işlemleri yapar. | ||
| 2. Temel veri yapıları ve fonksiyonların kullanımını anlayarak, veri analizi için özelleştirilmiş kodlar yazar. | ||
| 3. R paketlerini etkili bir şekilde kullanarak, istatistiksel analizler yapar. | ||
| 4. Görselleştirme teknikleri kullanarak veriyi analiz edip sonuçları etkili bir şekilde iletir. | ||
| 5. Veri odaklı problemleri tanımlayarak, analiz edip çözer. | ||
| 6. R dilindeki programlama kavramlarına hâkim olarak, veri bilimi projeleri için kod geliştirir. |
| Öğretim Yöntemleri: | |
| Ölçme Yöntemleri: |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel Kavramlar ve R Girişi: Programlamaya Giriş ve R'ın Önemi R ve RStudio Kurulumu | |
| 2 | Temel Kavramlar ve R Girişi (Devam): Temel Veri Tipleri ve Değişkenler Temel Operatörler ve Fonksiyonlar | |
| 3 | Veri Yapıları ve Koşullu İfadeler: Vektörler ve Matrisler Listeler ve Veri Çerçeveleri | |
| 4 | Veri Yapıları ve Koşullu İfadeler (Devam): Koşullu İfadeler (if-else) Döngüler: for ve while | |
| 5 | Fonksiyonlar ve Paketler: Fonksiyon Tanımlama ve Kullanımı Özel Fonksiyonlar Oluşturma | |
| 6 | Fonksiyonlar ve Paketler (Devam): R Paketleri ve Kütüphaneleri Popüler R Paketlerine Giriş | |
| 7 | Veri Manipülasyonu ve Görselleştirme: Veri Seti Oluşturma ve Düzenleme Temel Veri Manipülasyon İşlemleri | |
| 8 | Ara Sınav | |
| 9 | Veri Manipülasyonu ve Görselleştirme (Devam): Temel Veri Görselleştirme Araçları R Markdown ile Raporlama | |
| 10 | İstatistiksel Analizler ve Makine Öğrenmesi: Temel İstatistiksel Analizler Temel Makine Öğrenmesi Algoritmalarına Giriş | |
| 11 | İstatistiksel Analizler ve Makine Öğrenmesi (Devam): Basit Bir Makine Öğrenmesi Modeli Oluşturma Model Sonuçlarını Değerlendirme | |
| 12 | Uygulama ve Proje Çalışması: Bölüm 1 Proje Konsepti ve Alan Belirleme Veri Toplama ve Temizleme Temel Analizlerin Uygulanması | |
| 13 | Uygulama ve Proje Çalışması: Bölüm 2 Makine Öğrenmesi Modelinin Uygulanması Model Sonuçlarının Değerlendirilmesi Sonuçların Raporlanması | |
| 14 | Proje Çalışması, Raporlama ve Sunumlar: Bölüm 1 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık | |
| 15 | Proje Çalışması, Raporlama ve Sunumlar: Bölüm 2 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık | |
| 16 | Genel Sınav |
| Kaynak |
| 1. Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science: Import, tidy, transform, visualize, and model data. O'Reilly Media. 2. Tsay, R. S. (2022). Analysis of financial time series. Wiley. 3. Kuhn, M., & Silge, J. (2022). Tidy modeling with R: A framework for modeling with tidyverse principles. O'Reilly Media. 4. Karaşahin, M. (2023). R ile veri bilimi ve analizi. Nobel Akademik Yayıncılık. 5. Çöpoğlu, M. (2022). R ile veri analizi ve ekonometri (3. bs.). Ekin Basım Yayın. 6. Lantz, B. (2023). Machine learning with R: Expert techniques for predictive modeling, machine learning, and deep learning (4. bs.). Packt Publishing. 7. Şen, A., & Aktaş, R. (2021). R ile uygulamalı finansal ekonometri. Gazi Kitabevi. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Uluslararası ticaret, finansman, lojistik gibi disipline özgü alanlarda ve ekonomi, pazarlama, yönetim, muhasebe gibi genel işletmecilik ve uluslararası işletmecilik alanlarında ileri düzeydeki teorik ve güncel bilgilere sahiptir. | ||||||
| 2 | Uluslararası ticaret alanında yeni bilgileri takip eder, özümser ve uygulama alanına aktarır. | ||||||
| 3 | Bir işletmenin uluslararası pazarlara açılabilmesi için pazar araştırması yapar, projeler yürütür ve strateji geliştirir. | ||||||
| 4 | Uluslararası ticari operasyon süreçlerinin yönetiminde ulusal ve uluslararası yasal çerçevede yer alan; yasa, kural ve yönetmelikleri anlama ve değerlendirme becerisine sahiptir. | ||||||
| 5 | Alanında edindiği bilgi ve becerileri kullanarak bağımsız olarak çalışabilir. | ||||||
| 6 | İşletmelerin pazarlama, muhasebe, dış ticaret, finans, lojistik gibi departmanlarında uygulama yoluyla edineceği deneyim ile sahip olduğu teorik bilgiyi gerçek hayatta uygulama becerisine sahip olur. | ||||||
| 7 | İhracat, ithalat, gümrükleme, lojistik, vergilendirme ve diğer uluslararası ticaret faaliyetlerini küresel ve bölgesel ticari ve ekonomik örgütler kapsamında yürütebilecek teorik bilgiye sahip olur. | ||||||
| 8 | Girişimcilik bilgilerini kullanarak iş fikri geliştirebilir, iş fikrini ticarileştirebilir ve kendi girişimini tasarlayıp yönetebilir. | ||||||
| 9 | Stratejik yönetim ve analitik düşünme becerilerini kullanarak işletmenin dış ticaret ve finansman alanındaki karar verme süreçlerinde aktif olarak yer alır. | ||||||
| 10 | Alanında yürüteceği tüm faaliyetlerde etik değerlere bağlı, çevreye saygılı, toplumsal ve evrensel değerlere uygun hareket eder. | ||||||
| 11 | İngilizce bilgisini kullanarak ulusal ve uluslararası düzeyde güncel bilgileri takip etme, alanıyla ilgili bilgi toplama ve uluslararası kurum/kuruluşlarla iletişim kurma becerilerine sahip olur. | ||||||
| 12 | Ulusal ve uluslararası işletmelerde, kamu ve özel sektör kuruluşlarında görev alabilecek mesleki yetkinlikleri kazanır. | ||||||
| 13 | Uluslararası ticarete ilişkin tüm alanlarda karşılaştığı problemleri ve uyuşmazlıkları farklı perspektiflerden bütüncül bir yaklaşımla ele alarak değerlendirip değer temelli çözümler üretebilir. | ||||||
| 14 | Piyasanın gerektirdiği rekabetçi koşullara uygun bilgi ile donanır. | ||||||
| 15 | İleri seviyedeki dersleri ve diploma derecesindeki çalışmalar takip etme kapasitesine sahip olarak, alanında özdeğerlendirme becerileri kazanmak için kendi kendine öğrenme ve kendi ihtiyaçlarını belirleme becerisine sahip olur. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Toplam İş Yükü (Saat) | 0 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30) | 0 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| R İLE PROGRAMLAMA | ITF3120260 | Güz Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | R ile Programlama dersi, öğrencilere veri analizi ve istatistiksel hesaplamalar için kullanılan R programlama dilinin temelini oluşturmayı amaçlar. Bu ders, öğrencilere veri manipülasyonu, görselleştirme, istatistiksel analizler ve programlama konularında sağlam bir temel kazandırarak, veri odaklı problemleri çözebilme yeteneklerini geliştirmeyi hedefler. R dilinin temel yapıları, fonksiyonlar, veri yapıları ve paketlerin kullanımı gibi konular ele alınarak, öğrencilerin veri bilimi projelerinde etkili bir şekilde çalışabilmesi için gerekli beceriler kazanmaları amaçlanır. Bu ders, öğrencilere veri odaklı kararlar alabilme yeteneği kazandırarak, günümüzün veri yoğun dünyasında rekabetçi bir avantaj sağlamayı hedefler. |
| Dersin İçeriği | Bu ders; Temel Kavramlar ve R Girişi: Programlamaya Giriş ve R'ın Önemi R ve RStudio Kurulumu,Temel Kavramlar ve R Girişi (Devam): Temel Veri Tipleri ve Değişkenler Temel Operatörler ve Fonksiyonlar,Veri Yapıları ve Koşullu İfadeler: Vektörler ve Matrisler Listeler ve Veri Çerçeveleri,Veri Yapıları ve Koşullu İfadeler (Devam): Koşullu İfadeler (if-else) Döngüler: for ve while,Fonksiyonlar ve Paketler: Fonksiyon Tanımlama ve Kullanımı Özel Fonksiyonlar Oluşturma,Fonksiyonlar ve Paketler (Devam): R Paketleri ve Kütüphaneleri Popüler R Paketlerine Giriş,Veri Manipülasyonu ve Görselleştirme: Veri Seti Oluşturma ve Düzenleme Temel Veri Manipülasyon İşlemleri,Ara Sınav,Veri Manipülasyonu ve Görselleştirme (Devam): Temel Veri Görselleştirme Araçları R Markdown ile Raporlama,İstatistiksel Analizler ve Makine Öğrenmesi: Temel İstatistiksel Analizler Temel Makine Öğrenmesi Algoritmalarına Giriş,İstatistiksel Analizler ve Makine Öğrenmesi (Devam): Basit Bir Makine Öğrenmesi Modeli Oluşturma Model Sonuçlarını Değerlendirme,Uygulama ve Proje Çalışması: Bölüm 1 Proje Konsepti ve Alan Belirleme Veri Toplama ve Temizleme Temel Analizlerin Uygulanması,Uygulama ve Proje Çalışması: Bölüm 2 Makine Öğrenmesi Modelinin Uygulanması Model Sonuçlarının Değerlendirilmesi Sonuçların Raporlanması,Proje Çalışması, Raporlama ve Sunumlar: Bölüm 1 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık,Proje Çalışması, Raporlama ve Sunumlar: Bölüm 2 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Bu dersi başarılı olarak tamamlayan öğrencilerin kazanması amaçlanan yetenekler ve sahip olması beklenen bilgi düzeyini içeren öğrenme çıktıları şu şekilde sıralanabilir. Öğrenciler, | ||
| 1. R programlama dilini kullanarak temel veri manipülasyonu işlemleri yapar. | ||
| 2. Temel veri yapıları ve fonksiyonların kullanımını anlayarak, veri analizi için özelleştirilmiş kodlar yazar. | ||
| 3. R paketlerini etkili bir şekilde kullanarak, istatistiksel analizler yapar. | ||
| 4. Görselleştirme teknikleri kullanarak veriyi analiz edip sonuçları etkili bir şekilde iletir. | ||
| 5. Veri odaklı problemleri tanımlayarak, analiz edip çözer. | ||
| 6. R dilindeki programlama kavramlarına hâkim olarak, veri bilimi projeleri için kod geliştirir. |
| Öğretim Yöntemleri: | |
| Ölçme Yöntemleri: |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel Kavramlar ve R Girişi: Programlamaya Giriş ve R'ın Önemi R ve RStudio Kurulumu | |
| 2 | Temel Kavramlar ve R Girişi (Devam): Temel Veri Tipleri ve Değişkenler Temel Operatörler ve Fonksiyonlar | |
| 3 | Veri Yapıları ve Koşullu İfadeler: Vektörler ve Matrisler Listeler ve Veri Çerçeveleri | |
| 4 | Veri Yapıları ve Koşullu İfadeler (Devam): Koşullu İfadeler (if-else) Döngüler: for ve while | |
| 5 | Fonksiyonlar ve Paketler: Fonksiyon Tanımlama ve Kullanımı Özel Fonksiyonlar Oluşturma | |
| 6 | Fonksiyonlar ve Paketler (Devam): R Paketleri ve Kütüphaneleri Popüler R Paketlerine Giriş | |
| 7 | Veri Manipülasyonu ve Görselleştirme: Veri Seti Oluşturma ve Düzenleme Temel Veri Manipülasyon İşlemleri | |
| 8 | Ara Sınav | |
| 9 | Veri Manipülasyonu ve Görselleştirme (Devam): Temel Veri Görselleştirme Araçları R Markdown ile Raporlama | |
| 10 | İstatistiksel Analizler ve Makine Öğrenmesi: Temel İstatistiksel Analizler Temel Makine Öğrenmesi Algoritmalarına Giriş | |
| 11 | İstatistiksel Analizler ve Makine Öğrenmesi (Devam): Basit Bir Makine Öğrenmesi Modeli Oluşturma Model Sonuçlarını Değerlendirme | |
| 12 | Uygulama ve Proje Çalışması: Bölüm 1 Proje Konsepti ve Alan Belirleme Veri Toplama ve Temizleme Temel Analizlerin Uygulanması | |
| 13 | Uygulama ve Proje Çalışması: Bölüm 2 Makine Öğrenmesi Modelinin Uygulanması Model Sonuçlarının Değerlendirilmesi Sonuçların Raporlanması | |
| 14 | Proje Çalışması, Raporlama ve Sunumlar: Bölüm 1 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık | |
| 15 | Proje Çalışması, Raporlama ve Sunumlar: Bölüm 2 Proje Geliştirme ve Tamamlama Proje Sunumları ve Değerlendirmeler Genel Tekrar ve Hazırlık | |
| 16 | Genel Sınav |
| Kaynak |
| 1. Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science: Import, tidy, transform, visualize, and model data. O'Reilly Media. 2. Tsay, R. S. (2022). Analysis of financial time series. Wiley. 3. Kuhn, M., & Silge, J. (2022). Tidy modeling with R: A framework for modeling with tidyverse principles. O'Reilly Media. 4. Karaşahin, M. (2023). R ile veri bilimi ve analizi. Nobel Akademik Yayıncılık. 5. Çöpoğlu, M. (2022). R ile veri analizi ve ekonometri (3. bs.). Ekin Basım Yayın. 6. Lantz, B. (2023). Machine learning with R: Expert techniques for predictive modeling, machine learning, and deep learning (4. bs.). Packt Publishing. 7. Şen, A., & Aktaş, R. (2021). R ile uygulamalı finansal ekonometri. Gazi Kitabevi. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Uluslararası ticaret, finansman, lojistik gibi disipline özgü alanlarda ve ekonomi, pazarlama, yönetim, muhasebe gibi genel işletmecilik ve uluslararası işletmecilik alanlarında ileri düzeydeki teorik ve güncel bilgilere sahiptir. | ||||||
| 2 | Uluslararası ticaret alanında yeni bilgileri takip eder, özümser ve uygulama alanına aktarır. | ||||||
| 3 | Bir işletmenin uluslararası pazarlara açılabilmesi için pazar araştırması yapar, projeler yürütür ve strateji geliştirir. | ||||||
| 4 | Uluslararası ticari operasyon süreçlerinin yönetiminde ulusal ve uluslararası yasal çerçevede yer alan; yasa, kural ve yönetmelikleri anlama ve değerlendirme becerisine sahiptir. | ||||||
| 5 | Alanında edindiği bilgi ve becerileri kullanarak bağımsız olarak çalışabilir. | ||||||
| 6 | İşletmelerin pazarlama, muhasebe, dış ticaret, finans, lojistik gibi departmanlarında uygulama yoluyla edineceği deneyim ile sahip olduğu teorik bilgiyi gerçek hayatta uygulama becerisine sahip olur. | ||||||
| 7 | İhracat, ithalat, gümrükleme, lojistik, vergilendirme ve diğer uluslararası ticaret faaliyetlerini küresel ve bölgesel ticari ve ekonomik örgütler kapsamında yürütebilecek teorik bilgiye sahip olur. | ||||||
| 8 | Girişimcilik bilgilerini kullanarak iş fikri geliştirebilir, iş fikrini ticarileştirebilir ve kendi girişimini tasarlayıp yönetebilir. | ||||||
| 9 | Stratejik yönetim ve analitik düşünme becerilerini kullanarak işletmenin dış ticaret ve finansman alanındaki karar verme süreçlerinde aktif olarak yer alır. | ||||||
| 10 | Alanında yürüteceği tüm faaliyetlerde etik değerlere bağlı, çevreye saygılı, toplumsal ve evrensel değerlere uygun hareket eder. | ||||||
| 11 | İngilizce bilgisini kullanarak ulusal ve uluslararası düzeyde güncel bilgileri takip etme, alanıyla ilgili bilgi toplama ve uluslararası kurum/kuruluşlarla iletişim kurma becerilerine sahip olur. | ||||||
| 12 | Ulusal ve uluslararası işletmelerde, kamu ve özel sektör kuruluşlarında görev alabilecek mesleki yetkinlikleri kazanır. | ||||||
| 13 | Uluslararası ticarete ilişkin tüm alanlarda karşılaştığı problemleri ve uyuşmazlıkları farklı perspektiflerden bütüncül bir yaklaşımla ele alarak değerlendirip değer temelli çözümler üretebilir. | ||||||
| 14 | Piyasanın gerektirdiği rekabetçi koşullara uygun bilgi ile donanır. | ||||||
| 15 | İleri seviyedeki dersleri ve diploma derecesindeki çalışmalar takip etme kapasitesine sahip olarak, alanında özdeğerlendirme becerileri kazanmak için kendi kendine öğrenme ve kendi ihtiyaçlarını belirleme becerisine sahip olur. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |