| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Python ile İstatistik Uygulamaları | VBL5054 | 1 | 3 + 0 | 7,5 |
| Birim Bölüm | VERİ BİLİMİ VE ANALİTİĞİ - YL |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Prof. Dr. Serpil TÜRKYILMAZ (Yıl: 2025 - 2026) |
| Ders Veren | |
| Amaç |
Bu dersin amacı, öğrencilere istatistiksel kavramları Python programlama dili ve ekosistemi (Pandas, Scipy, Statsmodels, Pingouin) kullanarak uygulama becerisi kazandırmaktır. Teorik istatistiksel yöntemlerin modern veri setlerine nasıl aktarılacağı, hipotez testlerinin nasıl kodlanacağı ve sonuçların profesyonel düzeyde nasıl görselleştirileceği hedeflenmektedir. |
| Ders İçeriği |
Ders; Python'da veri yapıları ve betimsel istatistik uygulamalarıyla başlar. Olasılık dağılımlarının simülasyonu, hipotez testlerinin otomatize edilmesi, varyans analizi (ANOVA) modelleri, korelasyon ve regresyonun Python üzerinden yürütülmesi konularını kapsar. Ayrıca modern istatistiksel yaklaşımlar olan resampling teknikleri ve çok değişkenli analizlerin kodlanmasına odaklanılır. |
| Ders Kaynakları |
Python for Data Analysis – Wes McKinney (Pandas'ın yaratıcısından temel kaynak).Modern Statistics with R (Python adaptasyonları ile) – Måns Thulin.Practical Statistics for Data Scientists – Peter Bruce & Andrew Bruce.
|
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | 0 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | %0 |
| Yarıyıl İçinin Başarıya Oranı | %0 |
| Yarıyıl Sonu Çalışmalar | %0 |
| Toplam | %0 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | 3,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Python İstatistik Ekosistemi: Anaconda, Jupyter Notebook kurulumu; Numpy ve Pandas ile veriye giriş. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 2 | Keşifsel Veri Analizi (EDA): Merkezi eğilim (mean, median) ve yayılım (std, IQR) ölçülerinin Pandas ile hesaplanması. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 3 | Veri Görselleştirme: Matplotlib ve Seaborn ile dağılım grafikleri (Histogram, Boxplot, KDE). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 4 | Olasılık Dağılımları ve Simülasyon: scipy.stats ile Normal, Binom ve Poisson dağılımları; Merkezi Limit Teoremi simülasyonu. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 5 | Güven Aralıkları ve Örnekleme: Standart hata hesabı ve farklı güven düzeyleri için Python uygulamaları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 6 | Hipotez Testleri - I (Tek Örneklem): T-testi ve Z-testi; Normallik testleri (Shapiro-Wilk, D'Agostino). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 7 | Hipotez Testleri - II (İki ve Çoklu Örneklem): Bağımsız ve bağımlı t-testleri; pingouin kütüphanesi ile hızlı raporlama. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Ara Sınav / Uygulamalı Veri Analizi Projesi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 9 | Varyans Analizi (ANOVA): Tek yönlü ve çift yönlü ANOVA; Post-hoc testleri (Tukey, Bonferroni) uygulamaları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | Non-Parametrik Testler: Mann-Whitney U, Wilcoxon ve Kruskal-Wallis testlerinin Python ile yürütülmesi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 11 | Korelasyon ve Ki-Kare: Pearson, Spearman ve Kendall korelasyonları; Kontenjans tabloları ve bağımsızlık testleri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 12 | Regresyon Analizi: OLS (En Küçük Kareler) sonuç raporunun okunması ve katsayı analizi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Yeniden Örnekleme (Resampling): Bootstrap yöntemleri ve Permütasyon testlerinin random modülüyle kodlanması. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 14 | Sonuçların Raporlanması: Analiz bulgularının bilimsel formatta sunumu ve Final Proje Sunumları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Büyük veri setlerini Pandas ile temizler, manipüle eder ve analize hazır hale getirir. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| SciPy ve Statsmodels kütüphanelerini kullanarak parametrik ve parametrik olmayan hipotez testlerini gerçekleştirir. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Veri setlerindeki karmaşık ilişkileri Seaborn ve Matplotlib ile istatistiksel grafiklere dönüştürür. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Örnekleme dağılımlarını ve istatistiksel simülasyonları (Bootstrap, Permütasyon testleri) Python ile kodlar. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Elde edilen istatistiksel sonuçları "P-değeri", "Güven Aralığı" ve "Etki Büyüklüğü" ekseninde bilimsel olarak yorumlar. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
DERS ÖĞRENME ÇIKTISI |
PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ortalama Değer | - | - | - | - | - | - | - | - | - | - | - |
