İslam İktisadı ve Finans
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
İktisadi, İdari ve Sosyal Bilimler Fakültesi
İslam İktisadı ve Finans Programı
Ders Bolognaları
İktisadi, İdari ve Sosyal Bilimler Fakültesi
İslam İktisadı ve Finans Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 4781105 | Phyton ve R Uygulamaları | 3 | Bahar | 6 | 3+0+0 | 4 | 4 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Lisans (TYYÇ: 6. Düzey / QF-EHEA: 1. Düzey / EQF-LLL: 6. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | - |
| Dersi Veren(ler) | Dr. Öğr. Üyesi Selahattin BEKTAŞ |
| Yardımcı(lar) | - |
Dersin Öğretim Eleman(lar)ı
| Adı Soyadı | Oda No. | E-Posta Adresi | Dahili | Görüşme Saatleri |
|---|---|---|---|---|
| Dr. Öğr. Üyesi Selahattin BEKTAŞ | C-Z10 | [email protected] | 7339 |
Dersin İçeriği
Bu ders, Python ve R programlama dillerinin veri analizi, istatistiksel modelleme, veri görselleştirme ve makine öğrenmesi uygulamalarıyla gerçek dünya projelerinde nasıl kullanılacağını kapsamaktadır.
Dersin Amacı
Bu dersin amacı, Python ve R programlama dillerinin veri analizi ve istatistiksel modelleme alanlarında nasıl kullanılacağını öğretmektir. Öğrenciler, veri işleme, görselleştirme, istatistiksel analiz ve makine öğrenimi algoritmalarının Python ve R ile nasıl uygulanacağını öğrenerek bu dillerin güçlü yönlerini kavrayacaklardır. Ayrıca, her iki dilde de projeler geliştirme becerisi kazanacaklardır.
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | X |
| Uzmanlık / Alan Dersleri | X |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Yeterlilikleri | Düzey |
|---|---|---|
| P1 | İslam İktisadı ve Finans alanında kuramsal ve uygulamalı bilgilere sahip olma, sahip olduğu bilgileri kullanabilme | 4 |
| P2 | İslam İktisadı ve Finans alanında edindiği bilgi, beceri ve yetkinlikleri kullanarak meseleleri tanımlama, veri toplama, değerlendirme, analiz etme, yorumlama ve çözüm önerisi geliştirebilme | 3 |
| P3 | İslam İktisadı ve Finans alanıyla ilgili farklı bilgi kaynaklarına erişip sayısal analiz ve araştırma yapabilme | 4 |
| P4 | Disiplin içi, çok disiplinli veya çok kültürlü gruplarda ve bireysel çalışabilme | 3 |
| P5 | Ahlaki değerler ve mesleki sorumluluk bilinci ile hareket edebilme | 3 |
| P6 | Alan uygulamalarının, evrensel ve toplumsal etkileri ile hukuki sonuçlarını bilme | 3 |
| P7 | Öğrenim dilinde yazılı ve sözlü iletişim kurabilme, en az bir yabancı dil bilgisine sahip olabilme | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Sayısal analiz sonuçlarını eleştirel bir şekilde değerlendirir. | P.3.5 | 1 |
| Ö2 | Araştırma sonuçlarını bilimsel makale, rapor ve sunumlar şeklinde paylaşır. | P.3.6 | 1 |
| ** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7 | |||
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Giriş ve Programlama Temelleri: Python ve R'ye Giriş |
| 2 | Veri Türleri ve Değişkenler |
| 3 | Kontrol Yapıları ve Döngüler |
| 4 | Fonksiyonlar ve Modüller |
| 5 | Veri Okuma ve Yazma: Dosya İşlemleri |
| 6 | Veri Analizi ve Görselleştirme |
| 7 | İstatistiksel Analiz ve Veri Manipülasyonu |
| 8 | Veri Bilimi Projelerine Giriş |
| 9 | Makine Öğrenmesi Temelleri |
| 10 | Regresyon ve Sınıflandırma Modelleri |
| 11 | Zaman Serisi Analizi |
| 12 | Büyük Veri ve Bulut Bilişim |
| 13 | Proje Yönetimi ve Uygulamaları |
| 14 | Proje Yönetimi ve Uygulamaları |
Ders Kitabı veya Malzemesi
| Kaynaklar | Python Ve R Uygulamaları İle Stokastik Süreçler Teori – Uygulama |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Derse Özgü Staj (Varsa) | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | - | - |
| Ara Sınavlar | 1 | 40 (%) |
| Yarıyıl Sonu Sınavı | 1 | 60 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 14 | 2 | 28 |
| Ara Sınav | 1 | 20 | 20 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Laboratuvar | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 1 | 30 | 30 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 120 | ||
| Toplam Yük / 30 | 4 | ||
| Dersin AKTS Kredisi: | 4 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P3 |
|---|---|---|
| Ö1 | Sayısal analiz sonuçlarını eleştirel bir şekilde değerlendirir. | 5 |
| Ö2 | Araştırma sonuçlarını bilimsel makale, rapor ve sunumlar şeklinde paylaşır. | 4 |