Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
VERİ GÖRSELLEŞTİRMEMIS3121898Güz Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları• Python programlama dili • Jupyter Notebook / Anaconda geliştirme ortamı • Pandas veri analizi kütüphanesi • Matplotlib veri görselleştirme kütüphanesi • Seaborn istatistiksel veri görselleştirme kütüphanesi • Plotly interaktif veri görselleştirme kütüphanesi • Streamlit web tabanlı dashboard geliştirme kütüphanesi • Öğretim elemanı tarafından sağlanan ders notları • Uygulama amaçlı örnek veri setleri
Dersin AmacıBu dersin amacı, öğrencilerin veri görselleştirme kavramlarını teorik ve uygulamalı olarak öğrenmelerini sağlamak, Python tabanlı araçlar kullanarak farklı veri türlerine uygun görselleştirme tekniklerini geliştirebilmelerini ve elde edilen çıktıları analitik bir bakış açısıyla yorumlayabilmelerini sağlamaktır.
Dersin İçeriğiBu ders; Dashboard Oluşturma,Veri Görselleştirmeye Giriş,CSV ve Excel Dosyasından Veri Görselleştirme,Bar, histogram, scatter,Pie, line grafik,Üç Boyutlu Grafikler,Dağılım Şeması,Isı Haritası,Matplotlib Kütüphanesi,Ara Sınav,Plotly Kütüphanesi,Plotly Kütüphanesi,Streamlit Kütüphanesi,Streamlit Kütüphanesi,Dashboard Oluşturma,Dashboard Oluşturma,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1.Veri görselleştirmenin temel kavramlarını ile önemini açıklar.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
2.Farklı veri türlerine uygun görselleştirme tekniklerini uygular.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
3.Python ortamında veri setlerini analiz eder.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
4.Pandas kütüphanesiyle veri işleme ile özetleme işlemlerini gerçekleştirir.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
5.Matplotlib ile Seaborn kütüphaneleri aracılığıyla grafikler oluşturur.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
6.Plotly kütüphanesi ile etkileşimli veri görselleştirmeleri geliştirir.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
7.Streamlit kütüphanesiyle web tabanlı dashboard uygulamaları oluşturur.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
8.Görselleştirme sonuçlarını yorumlar.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
Öğretim Yöntemleri:Anlatım Yöntemi: Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim: Bilgisayar Ve İnternet Destekli Öğretim
Ölçme Yöntemleri:Proje Temelli Öğrenme Modeli: Proje Temelli Öğrenme Modeli

Ders Akışı

SıraKonularÖn Hazırlık
0Dashboard Oluşturma
1Veri Görselleştirmeye Giriş
2CSV ve Excel Dosyasından Veri Görselleştirme
3Bar, histogram, scatter
4Pie, line grafik
5Üç Boyutlu Grafikler
6Dağılım Şeması,Isı Haritası
7Matplotlib Kütüphanesi
8Ara Sınav
9Plotly Kütüphanesi
10Plotly Kütüphanesi
11Streamlit Kütüphanesi
12Streamlit Kütüphanesi
13Dashboard Oluşturma
14Dashboard Oluşturma
16Genel Sınav
Kaynak
1. McKinney, W. (2022). Python for Data Analysis (3rd ed.). O'Reilly Media. 2. VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. 3. Murray, S. (2017). Interactive Data Visualization for the Web (2nd ed.). O'Reilly Media. 4. Wilke, C. O. (2019). Fundamentals of Data Visualization. O'Reilly Media. 5. Cairo, A. (2016). The Truthful Art: Data, Charts, and Maps for Communication. New Riders.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim sistemleri, işletme süreçleri ve veri analitiği alanındaki temel kavramları açıklar.
X
2
İşletme süreçlerini analiz ederek karar destek sistemleri tasarlar.
3
Veri analizi yöntemlerini kullanarak karar süreçlerini destekleyen sonuçlar üretir.
X
4
İstatistiksel ve analitik yöntemler kullanarak işletme problemlerine yönelik tahmin ve modelleme yapar.
X
5
İş süreçlerini bilgi sistemleri ile entegre edecek çözümler geliştirir.
X
6
Analiz sonuçlarını teknik ve teknik olmayan paydaşlara etkili biçimde sunar.
X
7
İşletme ve bilgi sistemleri projelerini planlar ve yönetir.
8
Karmaşık iş problemlerini analitik yaklaşımlar kullanarak çözer.
X
9
Bilgi teknolojileri, yazılım ve analitik araçları kullanarak iş süreçlerine yönelik uygulamalar geliştirir.
X
10
Bilgi sistemleri ve siber güvenlik risklerini analiz ederek uygun önlemler tasarlar.
11
Veri gizliliği, etik ve bilgi güvenliği ilkelerine uygun hareket eder.
12
Alanındaki güncel gelişmeleri izleyerek mesleki yetkinliğini sürekli geliştirir.
X
13
Alanıyla ilgili konularda yabancı dil kullanarak iletişim kurar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (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

DersKoduYarıyılT+U SaatKrediAKTS
VERİ GÖRSELLEŞTİRMEMIS3121898Güz Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları• Python programlama dili • Jupyter Notebook / Anaconda geliştirme ortamı • Pandas veri analizi kütüphanesi • Matplotlib veri görselleştirme kütüphanesi • Seaborn istatistiksel veri görselleştirme kütüphanesi • Plotly interaktif veri görselleştirme kütüphanesi • Streamlit web tabanlı dashboard geliştirme kütüphanesi • Öğretim elemanı tarafından sağlanan ders notları • Uygulama amaçlı örnek veri setleri
Dersin AmacıBu dersin amacı, öğrencilerin veri görselleştirme kavramlarını teorik ve uygulamalı olarak öğrenmelerini sağlamak, Python tabanlı araçlar kullanarak farklı veri türlerine uygun görselleştirme tekniklerini geliştirebilmelerini ve elde edilen çıktıları analitik bir bakış açısıyla yorumlayabilmelerini sağlamaktır.
Dersin İçeriğiBu ders; Dashboard Oluşturma,Veri Görselleştirmeye Giriş,CSV ve Excel Dosyasından Veri Görselleştirme,Bar, histogram, scatter,Pie, line grafik,Üç Boyutlu Grafikler,Dağılım Şeması,Isı Haritası,Matplotlib Kütüphanesi,Ara Sınav,Plotly Kütüphanesi,Plotly Kütüphanesi,Streamlit Kütüphanesi,Streamlit Kütüphanesi,Dashboard Oluşturma,Dashboard Oluşturma,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1.Veri görselleştirmenin temel kavramlarını ile önemini açıklar.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
2.Farklı veri türlerine uygun görselleştirme tekniklerini uygular.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
3.Python ortamında veri setlerini analiz eder.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
4.Pandas kütüphanesiyle veri işleme ile özetleme işlemlerini gerçekleştirir.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
5.Matplotlib ile Seaborn kütüphaneleri aracılığıyla grafikler oluşturur.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
6.Plotly kütüphanesi ile etkileşimli veri görselleştirmeleri geliştirir.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
7.Streamlit kütüphanesiyle web tabanlı dashboard uygulamaları oluşturur.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
8.Görselleştirme sonuçlarını yorumlar.Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimProje Temelli Öğrenme Modeli
Öğretim Yöntemleri:Anlatım Yöntemi: Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim: Bilgisayar Ve İnternet Destekli Öğretim
Ölçme Yöntemleri:Proje Temelli Öğrenme Modeli: Proje Temelli Öğrenme Modeli

Ders Akışı

SıraKonularÖn Hazırlık
0Dashboard Oluşturma
1Veri Görselleştirmeye Giriş
2CSV ve Excel Dosyasından Veri Görselleştirme
3Bar, histogram, scatter
4Pie, line grafik
5Üç Boyutlu Grafikler
6Dağılım Şeması,Isı Haritası
7Matplotlib Kütüphanesi
8Ara Sınav
9Plotly Kütüphanesi
10Plotly Kütüphanesi
11Streamlit Kütüphanesi
12Streamlit Kütüphanesi
13Dashboard Oluşturma
14Dashboard Oluşturma
16Genel Sınav
Kaynak
1. McKinney, W. (2022). Python for Data Analysis (3rd ed.). O'Reilly Media. 2. VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. 3. Murray, S. (2017). Interactive Data Visualization for the Web (2nd ed.). O'Reilly Media. 4. Wilke, C. O. (2019). Fundamentals of Data Visualization. O'Reilly Media. 5. Cairo, A. (2016). The Truthful Art: Data, Charts, and Maps for Communication. New Riders.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim sistemleri, işletme süreçleri ve veri analitiği alanındaki temel kavramları açıklar.
X
2
İşletme süreçlerini analiz ederek karar destek sistemleri tasarlar.
3
Veri analizi yöntemlerini kullanarak karar süreçlerini destekleyen sonuçlar üretir.
X
4
İstatistiksel ve analitik yöntemler kullanarak işletme problemlerine yönelik tahmin ve modelleme yapar.
X
5
İş süreçlerini bilgi sistemleri ile entegre edecek çözümler geliştirir.
X
6
Analiz sonuçlarını teknik ve teknik olmayan paydaşlara etkili biçimde sunar.
X
7
İşletme ve bilgi sistemleri projelerini planlar ve yönetir.
8
Karmaşık iş problemlerini analitik yaklaşımlar kullanarak çözer.
X
9
Bilgi teknolojileri, yazılım ve analitik araçları kullanarak iş süreçlerine yönelik uygulamalar geliştirir.
X
10
Bilgi sistemleri ve siber güvenlik risklerini analiz ederek uygun önlemler tasarlar.
11
Veri gizliliği, etik ve bilgi güvenliği ilkelerine uygun hareket eder.
12
Alanındaki güncel gelişmeleri izleyerek mesleki yetkinliğini sürekli geliştirir.
X
13
Alanıyla ilgili konularda yabancı dil kullanarak iletişim kurar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu