VBL5010 - Veri Bilimi için Programlama Dilleri

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Veri Bilimi için Programlama Dilleri	VBL5010	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz yüze)
Amaç	Öğrencilere veri biliminde kullanılan betimleyici ve çıkarımsal istatistiksel yöntemleri bilgisayar ortamında kullanma becerisi kazandırmak.
Ders İçeriği	İstatiksel programlamaya genel bakış, istatiksel programlama dilleri hakkında genel bilgi, istatiksel programlama dilinin kurulumu ve kullanılması istatistiksel programlama dilinin sentaks yapısı, veriye erişim, verinin keşfi ve doğrulanması verinin hazırlanması, verinin analizi, raporlanması ve sonuçların sunulması, İstatiksel programda SQL kullanımı, veri adımı işleme, verileri özetleme, verileri fonksiyonlarla işleme, özel Biçimler Oluşturma, Tabloları Birleştirme, tekrarlayan Kodu İşleme, Yeniden Yapılandırma Tabloları, tek örneklem için t-testi, iki örneklem için t-testi, grafiksel analiz, tek yönlü ANOVA, Pearson korelasyonu, lineer regresyon, iki yönlü ANOVA, çoklu regresyon, anlamlılık düzeyini kullanarak aşamalı seçim, Bilgi kriterleri ve diğer seçim opsiyonları, çıkarım için (Post-Fitting) Model: rezidülerin incelenmesi, etkili gözlemler, doğrusallık, tahmine dayalı model oluşturma ve tahmin için puanlama, Kategorik verileri tanımlama, Ki-Kare testi, lojistik regresyon
EBS Koordinatörü	Serpil TÜRKYILMAZ

Hafta	Konu
1	İstatiksel programlamaya genel bakış, istatiksel programlama dilleri hakkında genel bilgi, istatiksel programlama dilinin kurulumu ve kullanılması
2	İstatistiksel programlama dilinin sentaks yapısı, veriye erişim, verinin keşfi ve doğrulanması
3	Verinin hazırlanması, verinin analizi, raporlanması ve sonuçların sunulması, İstatiksel programda SQL kullanımı
4	Veri adımı işleme, verileri özetleme, verileri fonksiyonlarla işleme
5	Özel Biçimler Oluşturma, Tabloları Birleştirme
6	Tekrarlayan Kodu İşleme, Yeniden Yapılandırma Tabloları
7	Tek örneklem için t-testi, iki örneklem için t-testi, grafiksel analiz
8	Tek yönlü ANOVA, Pearson korelasyonu, lineer regresyon
9	İki yönlü ANOVA, çoklu regresyon
10	Anlamlılık düzeyini kullanarak aşamalı seçim, Bilgi kriterleri ve diğer seçim opsiyonları
11	Çıkarım için (Post-Fitting) Model: rezidülerin incelenmesi, etkili gözlemler, doğrusallık
12	Tahmine dayalı model oluşturma ve tahmin için puanlama, Kategorik verileri tanımlama
13	Ki-Kare testleri
14	Lojistik regresyon

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
İstatiksel bir programlama dili öğrenir.	-	-	-	-	-	-	-	-	-	-	-
Verilerin yönetimini öğrenir.	-	-	-	-	-	-	-	-	-	-	-
Betimleyici istatistik yöntemlerini bilgisayar ortamında kullanma becerisi kazanır.	-	-	-	-	-	-	-	-	-	-	-
Çıkarımsal istatistik yöntemlerini bilgisayar ortamında kullanma becerisi kazanır.	-	-	-	-	-	-	-	-	-	-	-
Gerçek hayat problemlerinin istatiksel analizini bilgisayar ortamında yapma becerisi kazanır.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451236