School/Faculty/Institute	Graduate School
Course Code	BDA 503
Course Title in English	Data Analytics Essentials
Course Title in Turkish	Veri Analitiğinin Temelleri
Language of Instruction	EN
Type of Course	Ters-yüz öğrenme
Level of Course	Başlangıç
Semester	Fall
Contact Hours per Week	Lecture: 3 Recitation: Lab: Other:
Estimated Student Workload	174 hours per semester
Number of Credits	7.5 ECTS
Grading Mode	Standard Letter Grade
Pre-requisites	None
Co-requisites	None
Expected Prior Knowledge	Basic probability knowledge
Registration Restrictions	Only Graduate Students
Overall Educational Objective	To learn the basic data analytics process with on hands applications using modern tools to explore data by summarizing, slicing/dicing and analyzing data via graphical and quantitative tools.
Course Description	The aim of the course is to give the fundamentals of exploratory data analytics. Exploratory data analytics focuses on exploring data to understand the data’s underlying structure and variables, to develop intuition about the data set, to consider how that data set came into existence, and to decide how it can be investigated with more formal statistical methods.

Course Learning Outcomes and Competences Upon successful completion of the course, the learner is expected to be able to: 1) Bir veri kümesine soru sormak 2) Bir veri kümesini kullanılabilir bir formata dönüştürün ve onunla ilgili sorunları düzeltmek 3) Verileri keşfetmek, içindeki kalıpları bulmak ve bu verilerle ilgili sezgiler oluşturmak 4) Sonuç çıkarmak ve/veya tahminlerde bulunmak 5) Bulgularınızı iletin bilgisayar tabanlı istatistiksel ve analitik araçları kullanma

Program Learning Outcomes/Course Learning Outcomes	1	2	3	4	5
1) Bilgi Teknolojileri alanında, lisans düzeyindeki niteliklerine dayanarak uzmanlık seviyesinde bilgi geliştirme ve derinleştirme yeteneği.
2) İstatistik, bilişim ve bilgisayar bilimi alanlarında bilimsel ve pratik bilgiyi uygulama yeteneği.
3) Analiz ve modelleme yöntemlerine ve bu yöntemlerin sınırlılıklarına dair kapsamlı bir bilgi.
4) Analitik, modelleme ve deneysel temelli araştırmaları tasarlama ve uygulama yeteneği, bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlama becerisi.
5) Bilgi sistemleri alanındaki çalışmaların süreç ve sonuçlarını ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ve sözlü olarak aktarabilme yeteneği.
6) Veri toplama, işleme, kullanma, yorumlama ve tüm mesleki faaliyetlerde sosyal, bilimsel ve etik değerlere dair bir anlayış.
7) Multidisipliner ekiplerde liderlik pozisyonu alma, karmaşık durumlarda bilgi temelli çözüm yaklaşımları geliştirme ve sorumluluk alma yeteneği.
8) Mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamdaki etkisini anlama yetisi.
9) İngilizceyi sözlü ve yazılı olarak CEFR'ın en az B2 seviyesinde kullanma yeteneği.
10) Bilişim teknolojisi uygulamalarının sosyal ve çevresel boyutlarını anlama yetisi.

Relation to Program Outcomes and Competences

N None	S Supportive	H Highly Related

	Program Outcomes and Competences	Level	Assessed by
1)	Bilgi Teknolojileri alanında, lisans düzeyindeki niteliklerine dayanarak uzmanlık seviyesinde bilgi geliştirme ve derinleştirme yeteneği.	N
2)	İstatistik, bilişim ve bilgisayar bilimi alanlarında bilimsel ve pratik bilgiyi uygulama yeteneği.	N
3)	Analiz ve modelleme yöntemlerine ve bu yöntemlerin sınırlılıklarına dair kapsamlı bir bilgi.	N
4)	Analitik, modelleme ve deneysel temelli araştırmaları tasarlama ve uygulama yeteneği, bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlama becerisi.	N
5)	Bilgi sistemleri alanındaki çalışmaların süreç ve sonuçlarını ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ve sözlü olarak aktarabilme yeteneği.	N
6)	Veri toplama, işleme, kullanma, yorumlama ve tüm mesleki faaliyetlerde sosyal, bilimsel ve etik değerlere dair bir anlayış.	N
7)	Multidisipliner ekiplerde liderlik pozisyonu alma, karmaşık durumlarda bilgi temelli çözüm yaklaşımları geliştirme ve sorumluluk alma yeteneği.	N
8)	Mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamdaki etkisini anlama yetisi.	N
9)	İngilizceyi sözlü ve yazılı olarak CEFR'ın en az B2 seviyesinde kullanma yeteneği.	N
10)	Bilişim teknolojisi uygulamalarının sosyal ve çevresel boyutlarını anlama yetisi.	N

Prepared by and Date	,
Course Coordinator	ÖZGÜR ÖZLÜK
Semester	Fall
Name of Instructor	Prof. Dr. ÖZGÜR ÖZLÜK

Course Contents

Hafta	Konu
1)	Veri Bilimine Giriş
1)	Veri Bilimine Giriş
2)	R'nin Temelleri
3)	R'nin Temelleri
4)	Veri Tartışması
5)	Veri Tartışması
6)	Veri Tartışması
7)	Veri Analizi (tek değişken)
8)	Veri Analizi (iki değişken)
9)	Veri Analizi (çok değişkenli)
10)	Veri Analizi (parametrik olmayan)
11)	Veri goruntuleme
12)	Veri goruntuleme
13)	Veri goruntuleme
14)	Son İnceleme
15)	Proje/sunum Dönemi
16)	Proje/Sunum Dönemi

Required/Recommended Readings	None
Teaching Methods	Flipped classroom/Exercise/Laboratory/Active learning
Homework and Projects	Students are required to complete a portfolio to be able to enter the final exam
Laboratory Work	Students will apply the methods they learned using R at the laboratory hours
Computer Use	Students will apply the methods they learned using R at the laboratory hours
Other Activities	None
Assessment Methods	Assessment Tools Count Weight Küçük Sınavlar 8 % 20 Ödev 1 % 30 Projeler 1 % 10 Final 1 % 40 TOTAL % 100
Course Administration	orbayb@mef.edu.tr 02123953600

ECTS Student Workload Estimation

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	1.5		49
Laboratuvar	14	2	1.5		49
Proje	9	2	1		27
Ara Sınavlar	1	30			30
Final	1	30	3		33
Total Workload					188
Total Workload/25					7.5
ECTS					7.5