1. Anasayfa

Ders Notları

100% Complete (success)
Dikkat !!! Lütfen okuyunuz ...

Öğretim Üyesi (Üyeleri): Dr. Öğr. Üyesi Serpil Aydın Prof. Dr. Taner Tunç *

(*) Ders notu girebilmek için, bu alanda kendi isminiz yazıyor olmalı...

  • Bologna verilerinin girilmesi;
    ubys.omu.edu.tr adresinden,
    ÜBYS' de Öğretim Elemanları yetkisi seçilmeli... Öğretim elemanı danışmanlık işlemlerinden yapabilirsiniz...
Yıl: 2025, Dönem: Güz
VİST615, Keşifsel Veri Analizi ve Görselleştirme (mufredatId:6665, dersId: 111167, programId: 5415)
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7 Neter, J., Kutner, M. H., Nachtsheim, C. J., & Wasserman, W. (1996). Applied linear statistical models (4th ed.). McGraw-Hill. Moore, D. S., McCabe, G. P., & Craig, B. A. (2016). Introduction to the practice of statistics (9th ed.). W.H. Freeman. Wickham, H., & Grolemund, G. (2017). R for data science: Import, tidy, transform, visualize, and model data. O'Reilly Media. McKinney, W. (2017). Python for data analysis: Data wrangling with Pandas, NumPy, and IPython (2nd ed.). O'Reilly Media.

Dersin İçeriği

Bu ders, veri analizi süreçlerinin temel kavramlarından başlayarak, ileri düzey analiz tekniklerine kadar geniş bir yelpazeyi kapsamaktadır. Dersin içeriği, veri setlerinin tanımlayıcı istatistikler yardımıyla analiz edilmesi, hipotez testleri, regresyon analizi, varyans analizi gibi istatistiksel yöntemlerin uygulanması ve yorumlanmasını içermektedir. Ayrıca, bu analizlerin R, Python ve SPSS gibi yazılım programlarıyla nasıl otomatize edileceği de ders kapsamında ele alınacaktır. Öğrenciler, ders boyunca teorik bilginin yanı sıra pratik uygulamalarla da desteklenerek, analiz süreçlerini gerçek dünyaya uyarlama yetkinliği kazanacaklardır.

Dersin Amacı

Bu dersin amacı, öğrencilerin veri analizi konusunda temel ve ileri düzey bilgi ve becerilere sahip olmalarını sağlamaktır. Öğrenciler, veri setleri üzerinde istatistiksel analizler yapmayı öğrenirken, aynı zamanda bu süreçleri farklı yazılım programları kullanarak otomatikleştirme yeteneklerini de geliştireceklerdir. Ayrıca, veri analizi sonuçlarını doğru bir şekilde yorumlama ve raporlama becerileri kazandırılacaktır.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Keşifsel Veri Analizine Giriş; EDA’nın amacı ve felsefesi, Modelleme öncesi veri anlama, Veri türleri ve ölçüm düzeyleri
2 Keşifsel Veri Analizine Giriş; EDA’nın amacı ve felsefesi, Modelleme öncesi veri anlama, Veri türleri ve ölçüm düzeyleri
3 Veri Yapıları ve Veri Temizleme, Yapısal veri problemleri, Eksik veri mekanizmaları, Aykırı değer tanımı ve türleri, Veri dönüştürme ve ölçekleme
4 Veri Yapıları ve Veri Temizleme, Yapısal veri problemleri, Eksik veri mekanizmaları, Aykırı değer tanımı ve türleri, Veri dönüştürme ve ölçekleme
5 Tek Değişkenli EDA (Numerik), Merkezi eğilim ve yayılım ölçüleri, Çarpıklık ve basıklık,Histogram, density plot, Boxplot ve violin plot..
6 Tek Değişkenli EDA (Kategorik),Frekans tabloları, Çubuk grafik, Pareto grafiği, Oran ve yüzde görselleştirme, Likert ölçek görselleştirmesi
7 İki Değişkenli Analiz (Numerik–Numerik) Scatterplot, Korelasyon yapıları, Pearson, Spearman, Kendall Karşılaştırması Lineer ve doğrusal olmayan ilişki örüntüleri
8 İki Değişkenli Analiz (Kategorik–Numerik), Gruplar arası dağılım karşılaştırması, Boxplot, violin, ridge plot Etki büyüklüğü kavramı Basit ANOVA görselleştirmesi
9 arasınav
10 Kategorik Değişkenler Arası İlişkiler, Kontenjans tabloları, Mozaik grafiği, Ki-kare görselleştirme, Oran farklarının grafikle gösterimi
11 Çok Değişkenli Keşifsel Analiz, Pairplot, Korelasyon matrisi, Çoklu doğrusal bağlantının görsel incelenmesi, Parallel coordinates plot
12 Boyut İndirgeme ve Görselleştirme, PCA’nın geometrik yorumu, Scree plot, Biplot
13 Dağılım İnceleme ve Varsayım Kontrolü, Normalite grafikleri (QQ plot), Heteroskedastisite görselleştirme, Artık (residual) grafikleri Model öncesi teşhis grafikleri
14 ödev ve proje sunumları
15 ödev ve proje sunumları