Bilgi Paketi / Ders Kataloğu
| Ekonomi | |||||
| Lisans | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF: 6. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | İktisadi, İdari ve Sosyal Bilimler Fakültesi | ||||
| Ders Kodu | BUS 432 | ||||
| Ders Adı İngilizce | Business Analytics | ||||
| Ders Adı Türkçe | İş Analitiği | ||||
| Öğretim Dili | EN | ||||
| Ders Türü | Ters-Yüz Öğrenme | ||||
| Dersin Düzeyi | İleri | ||||
| Dönem | Bahar | ||||
| Haftalık İletişim Saatleri |
|
||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 120 saat | ||||
| Ders Kredileri | 5 AKTS | ||||
| Değerlendirme | Standart Harf Notu | ||||
| Ön Koşul |
BUS 101 - Introduction to Business (Decision Making) |
||||
| Yan Koşul | Yok | ||||
| Beklenen Ön Bilgi | Yok | ||||
| Kayıt Kısıtlamaları | Sadece Lisans Öğrencileri | ||||
| Genel Eğitim Hedefi | Veri bilimine giden yolu anlamak ve gerçek hayattaki bir projeyle veri analitiği süreci hakkında ilk elden deneyim ve daha yüksek bir anlayış kazanmak | ||||
| Ders Açıklaması | Gerçek hayat verisi ve problemleri, şaşırtıcı olmayan bir şekilde öğrenme ortamlarından daha karmaşıktır. İş problemlerini anlamanın temeli ise veridir. Veriden anlam çıkarma, çözümler üretme ve sonuçların iletişimini kurabilmek geniş bir yetenek yelpazesine ihtiyaç duyar. Bu ders, bütün analitik süreci, uygulamalı bir şekilde gerçek hayat problemleri üzerinden göstermeyi hedeflemektedir. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Analiz edilen verilerin bulgularını tutarlı ve anlaşılır bir şekilde iletmek 2) veri kümelerini işlemek ve özet tablolar oluşturmak, verileri uygun araç seçimiyle (ör. histogram, dağılım grafiği, pasta grafikleri) görselleştirmek 3) R ve diğer ilgili programlar ile kodlama yapmak (örn tidyverse) 4) Yeniden üretilebilir araştırma projeleri yapmak 5) temel veri madenciliği algoritmalarını (örneğin regresyon, lojistik regresyon) uygulamak ve çıktıyı yorumlamak |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | |||||
| 2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | |||||
| 3) Mikroekonomik ve makroekonomik teoriyi anlamak | |||||
| 4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | |||||
| 5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | |||||
| 6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | |||||
| 7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | |||||
| 8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | |||||
| 9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | |||||
| 10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | |||||
| 11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | N | |
| 2) | Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | N | |
| 3) | Mikroekonomik ve makroekonomik teoriyi anlamak | N | |
| 4) | Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | N | |
| 5) | Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | N | |
| 6) | Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | N | |
| 7) | Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | N | |
| 8) | Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | H | |
| 9) | Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | H | |
| 10) | Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | H | |
| 11) | Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. | H |
| Hazırlayan ve Tarih | HANDE KARADAĞ , January 2019 |
| Ders Koordinatörü | CEYHAN MUTLU |
| Dönem | Bahar |
| Dersi Veren(ler) |
Ders İçeriği
| Hafta | Konu |
| 1) | Dersin Tanıtımı/Yazılım Kurulumu (Heesen Bölüm 4) |
| 2) | R'ye Giriş (Heesen Bölüm 5) ve SWIRL |
| 3) | R ile Keşifsel Veri Analizi (Heesen Bölüm 6) |
| 4) | R Programlama: Bir Uygulama |
| 5) | R Markdown/LATEX - R'de Belge Yazma |
| 6) | Veri Madenciliğine Giriş – (Olson ve diğerleri, Bölüm 1 ve 2) |
| 7) | İnteraktif Analiz |
| 8) | Makine Öğrenmesi ve Yapay Zeka'ya Giriş (Heesen Bölüm 1-3) |
| 9) | Arasınav |
| 10) | Dernek Kuralları (Olson ve diğerleri, Bölüm 4) |
| 11) | Kümeleme Analizi (Olson ve diğerleri, Bölüm 5) |
| 12) | Veri Madenciliğinde Regresyon Algoritmaları (Olson ve diğerleri, Bölüm 6) |
| 13) | Sınıflandırma Araçları (Olson ve diğerleri, Bölüm 7) |
| 14) | Değişken Seçimi ve Veri Seti Dengeleme (Olson ve diğerleri, Bölüm 8-9) |
| 15) | Final Projeleri Dönemi |
| 16) | Final Projeleri Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Heesen, B. (2024). Artificial Intelligence and Machine Learning with R: Applications in the Field of Business Analytics. Springer Nature. Olson, D. L., Wu, D. D., Luo, C., & Nabavi, M. (2024). Business Analytics with R and Python. Springer. | |||||||||||||||
| Öğretme Teknikleri | Ters yüz sınıf ve dersler | |||||||||||||||
| Ödev ve Projeler | Duyurulacaktır. | |||||||||||||||
| Laboratuvar Çalışması | Yok | |||||||||||||||
| Bilgisayar Kullanımı | Kişisel bilgisayar | |||||||||||||||
| Diğer Aktiviteler | Yok | |||||||||||||||
| Değerlendirme Yöntemleri |
|
|||||||||||||||
| Ders Yönetimi |
Bu ders, her öğrencinin kendisine verilen materyali okuması ve videoları önceden izlemesi, dersi ve Blackboard'u takip etmesi ve aktif olarak katılımının beklendiği ters yüz edilmiş bir derstir. MEF Üniversitesi yönetmeliklerine göre, sınav ve değerlendirmelerden resmi olarak mazeretli devamsızlıklar, sınavdan sonraki 3 iş günü içinde https://www.cognitoforms.com/MEFUniversity/MazeretBildirimFormu bağlantısından fakülteye iletilmelidir. Herhangi bir sorunuz varsa, lütfen fakülte sekreterimiz Selin Taşçı ile iletişime geçin. Akademik Dürüstlük: MEF Üniversitesi'ndeki tüm öğrencilerin dürüst olmaları ve akademik dürüstlüğe uymaları beklenmektedir. Öğrencilerin kendi çalışmalarını yapmaları ve izinsiz yardım almamaları veya vermemeleri beklenmektedir. Disiplin işlemleri 2547 sayılı Yükseköğretim Kanunu'nun 54. maddesi uyarınca yürütülmektedir. ÖNEMLİ: MEF Üniversitesi Lisans Eğitim-Öğretim Yönetmeliği'nin "Ders ve Uygulamalara Devam (Madde 24)" bölümünde belirtildiği üzere, öğrencilerin Yükseköğretim Kurulu tarafından belirlenen esaslar doğrultusunda derslerin en az %70'ine devam etmeleri ve ders sorumlusu tarafından belirlenen tüm sınavlara ve diğer etkinliklere katılmaları zorunludur. MEF Üniversitesi Yapay Zeka Politikası kapsamında, yapay zekanın eğitim süreçlerine entegre edilmesi ve etik kullanımının teşvik edilmesi amaçlanmaktadır. |
|||||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 14 | 2 | 3 | 1 | 84 | ||
| Proje | 2 | 8 | 16 | ||||
| Ara Sınavlar | 1 | 8 | 2 | 10 | |||
| Final | 1 | 8 | 2 | 10 | |||
| Toplam İş Yükü | 120 | ||||||
| Toplam İş Yükü/25 | 4.8 | ||||||
| AKTS | 5 | ||||||