Bilgi Paketi / Ders Kataloğu
| Bilişim Teknolojileri (İngilizce) (Tezli) | |||||
| Yüksek Lisans | Programın Süresi: 2 | Kredi Sayısı: 120 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Lisansüstü Eğitim Enstitüsü | ||||||
| Ders Kodu | ITC 537 | ||||||
| Ders Adı İngilizce | Business Intelligence | ||||||
| Ders Adı Türkçe | İş Zekası | ||||||
| Öğretim Dili | EN | ||||||
| Ders Türü | Ters-Yüz Öğrenme | ||||||
| Dersin Düzeyi | Orta | ||||||
| Dönem | Bahar | ||||||
| Haftalık İletişim Saatleri |
|
||||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 187 saat | ||||||
| Ders Kredileri | 7.5 AKTS | ||||||
| Değerlendirme | Standart Harf Notu | ||||||
| Ön Koşul | Yok | ||||||
| Yan Koşul | Yok | ||||||
| Beklenen Ön Bilgi | Ders kodları olmayan konu alanları | ||||||
| Kayıt Kısıtlamaları | Sadece Yüksek Lisans Programları | ||||||
| Genel Eğitim Hedefi | Toplu veriler kullanılarak iş zekasının nasıl oluşturulacağını öğrenmek ve uygulamak. | ||||||
| Ders Açıklaması | Bu dersin amacı, öğrencilere toplu verileri kullanarak nasıl öngörü elde edeceklerini anlamalarını sağlamaktır. Sorgulama, veri ambarı tasarımı, şemaları anlama, raporlama katmanı, veri madenciliği ve veri görselleştirme tamamlanacak ve uçtan uca çözümle ilgili bilgiler aktarılacaktır. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Identify, formulate, and solve business intelligence problems by applying principles of engineering as well as science and mathematics 2) Laboratuvar raporları ve proje sunumları aracılığıyla çeşitli hedef kitlelerle etkili bir şekilde iletişim kurmak 3) Mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamlardaki etkisini göz önünde bulundurarak, doğrudan yapay zeka ve ilgili teknolojilerle ilgili mühendislik durumlarında etik ve mesleki sorumlulukları tanımak 4) Üyeleri birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam yaratan, hedefler belirleyen, görevleri planlayan ve hedeflere ulaşan bir ekipte etkin bir şekilde çalışmak 5) İş zekası ile ilgili verilen vakalar için sonuçlar çıkarmak için uygun deneyler geliştirmek ve yürütmek, verileri analiz etmek ve yorumlamak ve mühendislik muhakemesini kullanmak 6) Uygun öğrenme stratejilerini kullanarak iş zekası ve veri madenciliği alanındaki güncel konu ve yöntemleri edinmek ve uygulamak 7) Tam döngülü bir iş zekası ve veri madenciliği uygulaması geliştirmek |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| 1) | |||||||
| 2) | |||||||
| 3) | |||||||
| 4) | |||||||
| 5) | |||||||
| 6) | |||||||
| 7) | |||||||
| 8) | |||||||
| 9) | |||||||
| 10) |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | N | ||
| 2) | N | ||
| 3) | N | ||
| 4) | N | ||
| 5) | N | ||
| 6) | N | ||
| 7) | N | ||
| 8) | N | ||
| 9) | N | ||
| 10) | N |
| Hazırlayan ve Tarih | , |
| Ders Koordinatörü | TUNA ÇAKAR |
| Dönem | Bahar |
| Dersi Veren(ler) | Öğr. Gör. SERCAN AKKAŞ |
Ders İçeriği
| Hafta | Konu |
| 1) | İş Zekasına Giriş |
| 2) | Veri Depolama |
| 3) | RDBMS Kavramları I |
| 4) | RDBMS Kavramları II |
| 5) | Boyutların Modellenmesi ve Toplamaların Oluşturulması |
| 6) | Veri Ambarı Tasarlama |
| 7) | Veri Madenciliğine Giriş |
| 8) | Denetimsiz Yöntemler |
| 9) | Denetimli Yöntemler |
| 10) | Yarı Denetimli Yöntemler |
| 11) | Veri setinin hazırlanması |
| 12) | Gerçek hayattaki BI ve veri madenciliği uygulamaları |
| 13) | Proje Sunumları |
| 14) | Proje Sunumları |
| 15) | Proje/Sunum Dönemi |
| 16) | Proje/sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | 1. Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th edition, ISBN 978-0-13-463328-2, by Ramesh Sharda, Dursun Delen, and Efraim Turban, Pearson Education,2018 2. Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) 4th Edition, Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal | ||||||||||||
| Öğretme Teknikleri | Flipped sınıf. Öğrenciler ödevler için bireysel olarak çalışırlar. | ||||||||||||
| Ödev ve Projeler | Ödev ve proje | ||||||||||||
| Laboratuvar Çalışması | Yok | ||||||||||||
| Bilgisayar Kullanımı | Gerekli | ||||||||||||
| Diğer Aktiviteler | Yok | ||||||||||||
| Değerlendirme Yöntemleri |
|
||||||||||||
| Ders Yönetimi |
|
||||||||||||
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 | 2 | 98 | ||
| Proje | 6 | 10 | 1 | 66 | |||
| Final | 1 | 20 | 2 | 1 | 23 | ||
| Toplam İş Yükü | 187 | ||||||
| Toplam İş Yükü/25 | 7.5 | ||||||
| AKTS | 7.5 | ||||||