| School/Faculty/Institute | Faculty of Economics, Administrative and Social Sciences | ||||
| Course Code | BUS 432 | ||||
| Course Title in English | Business Analytics | ||||
| Course Title in Turkish | İş Analitiği | ||||
| Language of Instruction | EN | ||||
| Type of Course | Flipped Classroom | ||||
| Level of Course | Advanced | ||||
| Semester | Bahar | ||||
| Contact Hours per Week |
|
||||
| Estimated Student Workload | 132 hours per semester | ||||
| Number of Credits | 5 ECTS | ||||
| Grading Mode | Standard Letter Grade | ||||
| Pre-requisites |
BUS 101 - Introduction to Business (Decision Making) |
||||
| Expected Prior Knowledge | None | ||||
| Co-requisites | None | ||||
| Registration Restrictions | Only Undergraduate Students | ||||
| Overall Educational Objective | To understand the path to data science and gain firsthand experience and higher comprehension about the data analytics process with a real life project | ||||
| Course Description | Real life data and real life problems are expectedly more complex than any learning environment. Data is the core to understand business problems. Inferring meaning from data, producing solutions and communicating the results require a wide set of skills and tools. This course aims to present the whole analytics process with a hands-on approach to real life projects. | ||||
| Course Description in Turkish | 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. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to: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 Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | |||||
| 2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | |||||
| 3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | |||||
| 4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | |||||
| 5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | |||||
| 6) Mesleki etik standartların içselleştirilmesi ve yayılması. | |||||
| 7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | |||||
| 8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | |||||
| 9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | |||||
| 10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | |||||
| 11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | |||||
| 12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | |||||
| 13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. |
| N None | S Supportive | H Highly Related |
| Program Outcomes and Competences | Level | Assessed by | |
| 1) | Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | N | |
| 2) | Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | N | |
| 3) | Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | H | Exam,HW,Participation |
| 4) | Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | N | |
| 5) | Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | N | |
| 6) | Mesleki etik standartların içselleştirilmesi ve yayılması. | N | |
| 7) | Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | N | |
| 8) | Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | N | |
| 9) | Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | S | Participation |
| 10) | Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | S | HW,Participation |
| 11) | Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | N | |
| 12) | Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | S | Exam,HW |
| 13) | Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. | H | Exam,HW |
| Prepared by and Date | BERK ORBAY , January 2019 |
| Course Coordinator | HANDE KARADAĞ |
| Semester | Bahar |
| Name of Instructor |
| Hafta | Konu |
| 1) | İş Analitiğine Giriş |
| 2) | R diline giriş |
| 3) | R diline giriş (2) ve Github tanıtımı |
| 4) | Açıklayıcı Veri Analizi (veri manipulasyonu) |
| 5) | Açıklayıcı Veri Analizi (görselleştirme) |
| 6) | Yeniden Üretilebilir Araştırma |
| 7) | İnteraktif Analiz |
| 8) | Interaktif Analiz |
| 9) | Sunumlar 1 |
| 10) | İş Analizinde Cloud Computing Kullanımı |
| 11) | Makine Öğrenmesine Giriş 1 |
| 12) | Makine Öğrenmesine Giriş 2 |
| 13) | Uygulamalar 2 |
| 14) | Sunumlar 2 |
| 15) | Final Projeleri Dönemi |
| 16) | Final Projeleri Dönemi |
| Required/Recommended Readings | [Recommended] R for Data Science, H. Wickham & G. Grolemund, https://r4ds.had.co.nz/ | |||||||||||||||
| Teaching Methods | Design of this course is product centric. Students are expected to apply what they have learned in class and in their assignments into their individual and team works and present them. The medium of presentation is GitHub Pages, which we will call Progress Journals. This way the student will be able to demonstrate a proof of knowledge and skill in the form of an online portfolio. There will be short lectures aimed to introduce students to the subject and guide them through the obstacles. Then, students will be given a task to apply what they have learned by coding and analyzing. In these sessions, students are encouraged to collaborate and learn from each other. There will be discussions about business problems in general, analytics approaches, research and other relevant topics. Domain experts and special guests will be occasionally invited to give presentations about their experience. Concisely, it will be a very hands-on course directly building a product to improve coding and analysis skills. | |||||||||||||||
| Homework and Projects | There will be one group project. For this project, all group members will receive marks respective to their contribution. In general, students may freely communicate within their group and between groups. Collaboration is endorsed. Some group projects can be united under a major project. DataCamp will be used for assignments. | |||||||||||||||
| Laboratory Work | ||||||||||||||||
| Computer Use | Personal notebook | |||||||||||||||
| Other Activities | ||||||||||||||||
| Assessment Methods |
|
|||||||||||||||
| Course Administration |
orbayb@mef.edu.tr |
|||||||||||||||
| Activity | No/Weeks | Hours | Calculation | ||||
| No/Weeks per Semester | Preparing for the Activity | Spent in the Activity Itself | Completing the Activity Requirements | ||||
| Ders Saati | 14 | 2 | 3 | 1 | 84 | ||
| Proje | 3 | 8 | 2 | 30 | |||
| Final | 1 | 16 | 2 | 18 | |||
| Total Workload | 132 | ||||||
| Total Workload/25 | 5.3 | ||||||
| ECTS | 5 | ||||||